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

89.06%

Webスクレイピングのクラス指定方法について質問です。

受付中

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 156

Yuu412

score 28

今、Laravelでこのページに沿ってWebスクレイピングを実行しようとしています。

具体的には、amazonのデジタル1眼の売れ筋ランキングのタイトルと画像をスクレイピングするというものです。

実際に、手順通りに進めると、上手くスクレイピングすることはできたのですが、上記ページ内「データの取得方法」でカメラのタイトルを取得するときに、クラス名として「.p13n-sc-truncate」を指定していました。

そこで、実際にamazonのデジタル1眼の売れ筋ランキングで検証(画像1)を使って、商品タイトルのクラスを調べてみると、クラス名は「p13n-sc-truncate-mobile-type p13n-sc-truncate-desktop-type2 p13n-sc-truncated」となっていました。ここでは、クラスが3つあり、そのうち「p13n-sc-truncated」を指定することで、スクレイピングをしたのかな?と思ったのですが、実際にスクレイピングしたときに指定したクラス名は上記の通り「.p13n-sc-truncate」でした。つまり最後の「d」が抜けているクラス名を指定したということになります。

画像1
イメージ説明

そこで、クラス名が部分的に一致すればそのクラスを取得できるのかと思い「p13n-sc-truncat」(1文字減らした)でスクレイピングすると、商品タイトルを取得できませんでした。

次に、検証の画像1の右側にある検索画面に「p13n-sc-truncate」を入力すると、(画像1黄色の部分)には「p13n-sc-truncated」ではなく「.p13n-sc-truncate」と表記されていました。以下にその表記を記述します。

.p13n-sc-truncate, .p13n-sc-truncate-desktop-type1, .p13n-sc-truncate-desktop-type2, .p13n-sc-truncate-medium, .p13n-sc-truncate-small 

結論としましては、スクレイピングの際に、正しくクラス名を指定する方法を教えていただきたいです。よろしくお願いします。

  • 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

  • miyabi_takatsuk

    2020/07/19 10:39

    スクレイピングの練習のためにやっているのでしょうか?
    もしそうでなく、何かの実装で使いたいのであれば、
    スクレイピングより、APIは絶対にあるので、そちらの方が、様々確実だと思うのですが・・・

    キャンセル

  • Yuu412

    2020/07/19 12:20

    最終的には、都道府県を入力すると、大学一覧(https://passnavi.evidus.com/search_univ/list/)のページから、その都道府県に属する大学名をスクレイピングしようと考えております。
    私のAPIへの理解が乏しくて申し訳ないのですが、Amazonなどの主要なサービスにはAPIがあると思うのですが、上記の目的のような場合でもAPIを使用することで実装可能でしょうか。

    たしかに、スクレイピングは危険(不正アクセス?のような面で)という話も聞くので、安全な方法でできれば幸いです。

    キャンセル

  • yuki84web

    2020/07/19 14:37

    スクレイピングでもAPIでも使い方によってはサーバーに負荷をかけてしまいますのでリクエストを送る頻度は考えないといけません。"amazon ランキング API"で調べると色々と出てくるので、それらが参考になるのではないでしょうか。

    キャンセル

回答 2

0

正しくクラス名を指定する方法を教えていただきたいです。

何を正しいと判断するかわかりませんが、期待した要素がどの部分なのかまずは検証してみることです。

子セレクターを使用してみるという方法も無駄な部分はある程度なくなりますので方法のひとつです。

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。

0

kei0310さんもおっしゃっている様に
まずはhtmlというものにおいて、classというものがどの様な役割を果たしているのか改めて認識していただくことが良いかと思います。

抽出したい対象の要素についてですが、複数のclassが設定されていると思います。
抽出したい対象がランキング1位のものだけであるといった場合は構いませんが、抽出したい対象が「ランキング内の全ての商品」といった場合には、各要素に設定されている共通のclassを指定する必要などがあります。

例えば全ての商品画像を抽出したいということであれば
掲題のページの場合以下の様な形で<img>タグが<div>に囲まれています。

<div class="a-section a-spacing-small">
  <img alt="FUJIFILM ミラーレス一眼カメラ X-A5レンズキット ブラウン X-A5LK-BW" src="https://images-fe.ssl-images-amazon.com/images/I/91JjiM3rWzL._AC_UL200_SR200,200_.jpg" height="200" width="200">
</div>


そして<div>にはa-sectiona-spacing-smallというclassが設定されていますが、調べた所ページ内ではa-sectionというclassは他の部分でも使用されているclassの様で、もしこのclassを指定したとしても他の部分の要素までも抽出されてしまいます。
もう一方のa-spacing-smallというclassはランキング内の商品画像を囲っているdivのみに使用されている共通classの様なので、これをターゲットに絞ることで画像のタグを絞り込んでいくことができます。

import requests
from bs4 import BeautifulSoup

target = 'https://www.amazon.co.jp/gp/bestsellers/electronics/3946818051?ref_=Oct_BSellerC_3946818051_SAll&pf_rd_p=7019a35e-d4ad-5da4-8fdd-f9f5c8ef9428&pf_rd_s=merchandised-search-10&pf_rd_t=101&pf_rd_i=3946818051&pf_rd_m=AN1VRQENFRJN5&pf_rd_r=61C7KYXHQFEAY80RGM67&pf_rd_r=61C7KYXHQFEAY80RGM67&pf_rd_p=7019a35e-d4ad-5da4-8fdd-f9f5c8ef9428'
res = requests.get(target)
soup = BeautifulSoup(res.content, 'html.parser')

# htmlからa-spacing-smallクラスが設定されたdiv要素をリスト化し抽出
div_list = soup.find_all('div', class_='a-spacing-small')

for div in div_list:        # imgを囲っているdiv要素を一つづつ取り出す
    img = div.find('img')    # div要素の中のimg要素を抽出
    print(img.get('src'))    # imgタグのsrcを抽出し出力

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。

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 89.06%
  • 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

関連した質問

同じタグがついた質問を見る