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。

XPath(XML Path)

XML Path Language (XPath; XMLパス言語)は、マークアップ言語 XML に準拠した文書の特定の部分を指定する言語構文の事をいいます。XPathはXMLとは別の構文を使用します。XMLドキュメントの抽象、論理ストラクチャ上で動作します。

Ruby on Rails

Ruby on Railsは、オープンソースのWebアプリケーションフレームワークです。「同じことを繰り返さない」というRailsの基本理念のもと、他のフレームワークより少ないコードで簡単に開発できるよう設計されています。

Q&A

0回答

982閲覧

rubyでのスクレイピング(mechanizeとxpathを使用)

shayashi683

総合スコア2

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。

XPath(XML Path)

XML Path Language (XPath; XMLパス言語)は、マークアップ言語 XML に準拠した文書の特定の部分を指定する言語構文の事をいいます。XPathはXMLとは別の構文を使用します。XMLドキュメントの抽象、論理ストラクチャ上で動作します。

Ruby on Rails

Ruby on Railsは、オープンソースのWebアプリケーションフレームワークです。「同じことを繰り返さない」というRailsの基本理念のもと、他のフレームワークより少ないコードで簡単に開発できるよう設計されています。

0グッド

0クリップ

投稿2020/07/30 06:51

Rubyでのスクレイピング

Ruby on Rails 5で評価システムを作っています。
スクレイピング機能を実装中に以下のエラーメッセージが発生しました。

該当ページのスクレイピング作業で次のページのスクレイピングをするため、mechanize × xpathを使用しましたが、同じurlを何度も取得してしまうエラーが起こっています。

発生している問題・エラーメッセージ

irb(main):001:0> Scraping.fuga_urls #<Nokogiri::XML::Element:0x3fe2dd629120 name="a" attributes=[#<Nokogiri::XML::Attr:0x3fe2dd628d9c name="href" value="/read0170729/published_papers?limit=20&offset=161">, #<Nokogiri::XML::Attr:0x3fe2dd628d88 name="aria-label" value="Next">] children=[#<Nokogiri::XML::Element:0x3fe2dd628748 name="span" attributes=[#<Nokogiri::XML::Attr:0x3fe2dd6286e4 name="aria-hidden" value="true">] children=[#<Nokogiri::XML::Text:0x3fe2dd6282d4 "»">]>]> "aaa" "/read0170729/published_papers?limit=20&offset=161" #<Nokogiri::XML::Element:0x3fe2dfaa0cec name="a" attributes=[#<Nokogiri::XML::Attr:0x3fe2dfaa09a4 name="href" value="/read0170729/published_papers?limit=20&offset=161">] children=[#<Nokogiri::XML::Text:0x3fe2dfaa0594 "9">]> "aaa" "/read0170729/published_papers?limit=20&offset=161"

該当のソースコード

Ruby

1require 'mechanize' 2class Scraping < ApplicationRecord 3 def self.fuga_urls 4 agent = Mechanize.new 5 links = [] 6 next_url = "" 7 8 while true 9 current_page = agent.get("https://researchmap.jp/read0170729/published_papers?limit=20&offset=1" + next_url) 10 elements = current_page.search('li a') 11 elements.each do |ele| 12 links << ele.get_attribute('href') 13 end 14 15 next_link = current_page.at('//*[@id="frame-19159"]/div/div[2]/nav/nav/ul/li[6]/a') 16 p next_link 17 break unless next_link 18 next_url = next_link.get_attribute('href') 19 p "aaa" 20 p next_url 21 end 22 p elements.inner_text 23 end 24end

試したこと

.at及び.searchを試しましたが、どちらも上手くいきませんでした。

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

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

まだ回答がついていません

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