質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.25%

Pythonでスクレイピングを実施したいですが、findAllでクラスを全て抽出できません。

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 79

seiran

score 5

前提・実現したいこと

下記サイトからタイトル・売価をスクレイピングをしたいと考えております。
https://ranking.rakuten.co.jp/daily/408076/

発生している問題・エラーメッセージ

表題の通り、希望するクラスを全て抽出してくれません・・
80位分抽出されるはずが、20位までしか抽出されません。

該当のソースコード

url = "https://ranking.rakuten.co.jp/daily/408076/"
res = requests.get(url)
res_bs = bs(res.content,'html.parser')
res_bs.findAll(class_=re.compile(r'rnkRanking_price'))

試したこと

途中からコードの配列が整列されていないように感じます。原因として考えられるでしょうか。

補足情報(FW/ツールのバージョンなど)

お手数をおかけいたしますが、詳しい方お知恵を貸してください。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • Yasumichi

    2020/05/23 19:57 編集

    【認識誤りでした】

    キャンセル

回答 2

checkベストアンサー

0

grepしてみると80個あるのでおかしいと思ったのですが、中を見ると21個目以降はJavaScriptの中に組み込まれているようです。

<script language="JavaScript" type="text/javascript">
<!--
var line = (function() {/*
<!-- 4- -->
<div class="rnkRanking_after4box">
~~~この中に入っている
*/}).toString();
~~~


ということで、HTMLをそのままパーサーで解析して取り出すのは無理です。

Seleniumを使ってJavaScriptを実行しながら取得するか、上記のように埋め込まれているHTMLを加工して埋め込まれているタグを取り出してからパースするか。

追記

後者の方針で、ちょっとやってみました。

import requests
from bs4 import BeautifulSoup
import re

url = "https://ranking.rakuten.co.jp/daily/408076/"
html = requests.get(url).content

del1 = re.compile(rb'<script language="JavaScript" type="text/javascript">\s*<!--\s*var line = \(function\(\) \{/\*',re.DOTALL)
del2 = re.compile(rb'\*/\}\)\.toString\(\);.+?</script>',re.DOTALL)

html = del2.sub(b'',del1.sub(b'', html))

bs = BeautifulSoup(html,'html.parser')

x = bs.findAll(class_='rnkRanking_price')

print(len(x)) #=> 80個取得できていることがわかる

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/05/24 09:30

    ご返信ありがとうございます!
    原因がわかってすごくありがたいです、ただご指導いただいたやり方がわからず・・・
    ご教授いただくことは可能でしょうか?

    キャンセル

  • 2020/05/24 12:48

    print(len(x))

    for x1 in x:
    print((x1.text))

    キャンセル

0

こちらはどうでしょう?

res_bs.find_all(class_="classname")

参考サイト

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/05/23 22:12

    ご返信ありがとうございます!こちらでも、うまくいきませんでした・・・

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.25%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる