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!

新規登録して質問してみよう
ただいま回答率
85.50%
Beautiful Soup

Beautiful Soupは、Pythonのライブラリの一つ。スクレイピングに特化しています。HTMLデータの構文の解析を行うために、HTMLタグ/CSSのセレクタで抽出する部分を指定することが可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

selenium

Selenium(セレニウム)は、ブラウザをプログラムで作動させるフレームワークです。この原理を使うことにより、ブラウザのユーザーテストなどを自動化にすることができます。

Q&A

3回答

3530閲覧

webスクレイピング .text

mamecoro

総合スコア1

Beautiful Soup

Beautiful Soupは、Pythonのライブラリの一つ。スクレイピングに特化しています。HTMLデータの構文の解析を行うために、HTMLタグ/CSSのセレクタで抽出する部分を指定することが可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

selenium

Selenium(セレニウム)は、ブラウザをプログラムで作動させるフレームワークです。この原理を使うことにより、ブラウザのユーザーテストなどを自動化にすることができます。

0グッド

0クリップ

投稿2020/06/18 06:49

前提・実現したいこと

webスクレイピング初心者です。
サイトのあるテキストだけ取りたいと思っています。
しかし、以下のコードを実行すると、実行可能な時と不可能な時があります。
このような場合、どのように対処すればいいのかを教えていただきたいです。
また、他のテキストの取り出し方法などがあれば教えていただきたいです。

発生している問題・エラーメッセージ

AttributeError Traceback (most recent call last) <ipython-input-34-86dad44d7856> in <module> 16 # BeautifulSoupで扱えるようにパースします 17 soup = BeautifulSoup(html, "html.parser") ---> 18 msg1 = soup.select_one("#app > div > div > div.mainContainer > div > div > div.row.DataBlock > div:nth-child(10) > div > header > div > div:nth-child(3) > span").text 19 msg1 = re.sub(r"\s","",msg) AttributeError: 'NoneType' object has no attribute 'text'

該当のソースコード

python

1from selenium import webdriver 2from bs4 import BeautifulSoup 3import re 4 5driver_path="/Users/sishi/Anaconda3/chromedriver" 6#Chromeを操作 7driver = webdriver.Chrome(driver_path) 8 9url="https://www.pref.kanagawa.jp/osirase/1369/" 10driver.get(url) 11 12html = driver.page_source.encode('utf-8') 13 14# BeautifulSoupで扱えるようにパースします 15soup = BeautifulSoup(html, "html.parser") 16msg1 = soup.select_one("#app > div > div > div.mainContainer > div > div > div.row.DataBlock > div:nth-child(10) > div > header > div > div:nth-child(3) > span").text 17msg1 = re.sub(r"\s","",msg1)

試したこと

ChromeからCSSセレクタをコピペで取り出すと、冗長であったりうまくいかない場合があると書いてあったのですが、この場合どこを短縮して、どのようにセレクタを取り出せばいいのかわかりらず断念してしまいました。

補足情報(FW/ツールのバージョンなど)

ここにより詳細な情報を記載してください。

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答3

0

スクレイピングの自動化ツールなら、Octoparseを自薦します。
WEBサイトを入力して、抽出したいデータをクリックすると、データを取得できます。
初心者でも使えます。

投稿2020/07/03 04:20

退会済みユーザー

退会済みユーザー

総合スコア0

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

0

実行可能な時と不可能な時があります。

出ているエラーはAttributeErrorです。
つまり実行のたびに生成されるこのオブジェクトに、
textというアトリビュートが存在するときと存在しない時があります。

存在するときはオブジェクトがきちんと取得できたとき、
存在しないときはオブジェクトがきちんと取得できずNoneが帰ってきたときです。

すなわち要素をきちんと取得できる時とできない時があるということです。
対象サイトがたまたまその瞬間重かったかどうかによって決まっているとみてほぼ間違い無いでしょう。

具体的な対策としては、そのURLに遷移した後、要素を取得する前に一定時間待ってやるべきです。
これにより多少重かろうと毎回取得できるでしょう。

python

1from time import sleep 2 3〜中略〜 4 5driver.get(url) 6sleep(10) 7html = driver.page_source.encode('utf-8') 8 9〜後略〜

投稿2020/06/26 18:46

shirai

総合スコア1289

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

mamecoro

2020/06/27 02:06

回答ありがとうございます!! そのような現象が起こることを考慮していませんでした。 教えていただいたコードを使って実行してみます!! ありがとうございます。
guest

0

select_oneの結果がNoneだったというエラーです。
つまり、該当の要素が存在しないということなので、要素の指定が間違っているわけです。

対処としては、「HTMLをよく見る」しかないです。

HTMLを見るときは、変数htmlの内容をファイルに書き出して、そのファイルを見ましょう。
ブラウザで見るのとは違う可能性が高いです。例えば、JavaScriptで追加された要素だったり。

投稿2020/06/18 08:30

otn

総合スコア84423

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

mamecoro

2020/06/18 09:51

回答ありがとうございます。 htmlの内容をファイルに書き出すというのは具体的にどのように行うのでしょうか?? その後、そのがいるの中身から自分で階層構造をみてCSSセレクターを設定するということでしょうか??
otn

2020/06/18 10:46

ファイルの読み書きをしたことが無い? with open("/tmp/html","w") as f: f.write(html) とか。
mamecoro

2020/06/27 02:07

返信ありがとうございます。 Webスクレイピング初心者で見様見真似でやってしまっていたため、そのようなことをあまりしたことがありませんでした… 一度やってみます!!また、基礎もしっかりと学ぼうと思います
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

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
85.50%

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る

質問する

関連した質問