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
85.35%
スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

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。

Q&A

1回答

1376閲覧

Python beautiful soup4での画像スクレイピング

wsmag03

総合スコア0

スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

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。

0グッド

1クリップ

投稿2020/07/04 13:55

前提・実現したいこと

ここに質問の内容を詳しく書いてください。
Pythonで画像スクレイピングを勉強しているのですが、どうしてもエラーを直せないため質問させていただきます。
HTMLやCSS内のタグの取得の部分でのエラーかもしれないんですが、詳しい方いらっしゃればお願いいたします。

・zozotownの服の画像をスクレイピングしようとしている。
https://zozo.jp/category/pants/ を対象にやったが以下のようなエラー
https://zozo.jp/ranking/all-sales.html?generation=2を対象にやったときは上手くいきました

発生している問題・エラーメッセージ

pants_1.jpg pants_2.jpg Traceback (most recent call last): File "c:/Users/ucity/Documents/Python/整理用プログラミング完成品/zozoの種類分類(超雑)/zozo_tops copy.py", line 19, in <module> re = requests.get(target) File "C:\Users\ucity\AppData\Local\Programs\Python\Python38\lib\site-packages\requests\api.py", line 76, in get return request('get', url, params=params, **kwargs) File "C:\Users\ucity\AppData\Local\Programs\Python\Python38\lib\site-packages\requests\api.py", line 61, in request return session.request(method=method, url=url, **kwargs) File "C:\Users\ucity\AppData\Local\Programs\Python\Python38\lib\site-packages\requests\sessions.py", line 516, in request prep = self.prepare_request(req) File "C:\Users\ucity\AppData\Local\Programs\Python\Python38\lib\site-packages\requests\sessions.py", line 449, in prepare_request p.prepare( File "C:\Users\ucity\AppData\Local\Programs\Python\Python38\lib\site-packages\requests\moython38\lib\site-packages\requests\models.py", line 314, in prepare self.prepare_url(url, params) ython38\lib\site-packages\requests\mo File "C:\Users\ucity\AppData\Local\Programs\Python\Python38\lib\site-packages\requests\models.py", line 388, in prepare_url n_2015/img/ico/ico_view_small_on.png' raise MissingSchema(error) _2015/img/ico/ico_view_small_on.png? requests.exceptions.MissingSchema: Invalid URL '/common_2015/img/ico/ico_view_small_on.png': No schema suppl成品>ied. Perhaps you meant http:///common_2015/img/ico/ico_view_small_on.png?

該当のソースコード

Python

1# scraping-img-1.py 2 3import requests # urlを読み込むためrequestsをインポート 4from bs4 import BeautifulSoup # htmlを読み込むためBeautifulSoupをインポート 5 6URL = 'https://zozo.jp/category/pants/' # URL入力 7images = [] # 画像リストの配列 8 9soup = BeautifulSoup(requests.get(URL).content,'lxml') # bsでURL内を解析 10 11for link in soup.find_all("img"): # imgタグを取得しlinkに格納 12 if link.get("src").endswith(".jpg"): # imgタグ内の.jpgであるsrcタグを取得 13 images.append(link.get("src")) # imagesリストに格納 14 elif link.get("src").endswith(".png"): # imgタグ内の.pngであるsrcタグを取得 15 images.append(link.get("src")) # imagesリストに格納 16 17i=1 18for target in images: # imagesからtargetに入れる 19 re = requests.get(target) 20 with open('pants_200/' + 'pants_'+str(i)+'.jpg', 'wb') as f: # imgフォルダに格納 21 print('pants_'+str(i)+'.jpg') 22 f.write(re.content) # .contentにて画像データとして書き込む 23 24 i+=1 25 26print("ok") # 確認

試したこと

ここに問題に対して試したことを記載してください。

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1

0

取得する画像イメージのURLに相対パスが混じっているのが原因のようです。
以下のようにすれば、とりあえず画像ファイルが取得できますね。
from urllib.parse import urljoin
target = urljoin(URL, target) # <-- 絶対パスに変換する
の行を追加しています。

他にも気になる点はいくつかありますが・・・

Python

1import requests # urlを読み込むためrequestsをインポート 2from bs4 import BeautifulSoup # htmlを読み込むためBeautifulSoupをインポート 3from urllib.parse import urljoin 4 5URL = 'https://zozo.jp/category/pants/' # URL入力 6images = [] # 画像リストの配列 7 8soup = BeautifulSoup(requests.get(URL).content,'lxml') # bsでURL内を解析 9 10for link in soup.find_all("img"): # imgタグを取得しlinkに格納 11 if link.get("src").endswith(".jpg"): # imgタグ内の.jpgであるsrcタグを取得 12 images.append(link.get("src")) # imagesリストに格納 13 elif link.get("src").endswith(".png"): # imgタグ内の.pngであるsrcタグを取得 14 images.append(link.get("src")) # imagesリストに格納 15 16print(len(images)) 17i=1 18for target in images: # imagesからtargetに入れる 19 target = urljoin(URL, target) # <-- 絶対パスに変換する 20 21 re = requests.get(target) 22 with open('pants_200/' + 'pants_'+str(i)+'.jpg', 'wb') as f: # imgフォルダに格納 23 print('pants_'+str(i)+'.jpg') 24 f.write(re.content) # .contentにて画像データとして書き込む 25 26 i+=1 27 28print("ok") # 確認

投稿2020/07/05 02:08

autumn_nsn

総合スコア335

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。

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
85.35%

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