🎄teratailクリスマスプレゼントキャンペーン2024🎄』開催中!

\teratail特別グッズやAmazonギフトカード最大2,000円分が当たる!/

詳細はこちら
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。

Webサイト

一つのドメイン上に存在するWebページの集合体をWebサイトと呼びます。

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

1回答

1541閲覧

スクロールによってページが更新されるサイトのスクレイピング

退会済みユーザー

退会済みユーザー

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。

Webサイト

一つのドメイン上に存在するWebページの集合体をWebサイトと呼びます。

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2020/11/27 12:30

https://jp.noxinfluencer.com/youtube-channel-rank/top-250-jp-autos%20%26%20vehicles-youtuber-sorted-by-subs-weekly

上記のサイトのようにランキング250までの情報を保持しているはずなのに
ページを読み込んだ状態だと50までしか表示しないウェブサイトに足して、(スクロールによって更新がかかるようです)
250までフルで読み込んだ状態でBeautifulsoupによってスクレイピングしたいです。どのようにしたらいいですか?
試しにチャンネル名をスクレイピングした結果がこちらになります。

category_res = requests.get('https://jp.noxinfluencer.com/youtube-channel-rank/top-250-jp-autos%20%26%20vehicles-youtuber-sorted-by-subs-weekly') category_soup = bs4.BeautifulSoup(category_res.text,'html.parser') print(category_soup.find('name.kol-name')) category_elems = category_soup.find_all(class_="kol-name") for i,category_elem in enumerate(category_elems): print(i, category_elem.get('title'))

出力結果

0

11 USA Military Channel 22 がっちゃんねる★TheGacchannel 33 おもちゃんねるん Omotyannerun 44 CABHEY RIDE ON!! 55 GUNMA-17 66 スーツ 交通 / Suit Train 77 Best MOTORing official ベストモータリング公式チャンネル 88 noriyaro 99 JRseries209 10コード

50までしか出力されておらずこれを250まで取得したい(例)
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

ブラウザのDeveloperでスクロール時に発生するHTTPリクエストを確認し、
requestsから同様のリクエストを投げれば続きを取得できるはずです。

投稿2020/11/27 14:33

rysh

総合スコア874

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。

退会済みユーザー

退会済みユーザー

2020/11/29 02:47

すいません具体的にどのように確認したらよいのでしょうか、まったく素人でよくわかりませんでした。(ブラウザの開発ツールを使う?)
rysh

2020/11/30 08:49

[Developerツールのネットワークタブの使い方](https://liginc.co.jp/449322)とか参考にしてください。 どうしてそうなっているかはHttpリクエストとかAjaxとかがわかるといいので[ここ](https://qiita.com/hisamura333/items/e3ea6ae549eb09b7efb9)とか読んでみてみてください。 書籍だったら[これ](https://www.amazon.co.jp/dp/4774142042/ref=cm_sw_r_tw_dp_x_-flXFbPGAPMZT)あたりが手元にあればこういうところで躓かなくなると思いますよ
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
85.36%

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