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
85.48%
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。

CSV

CSV(Comma-Separated Values)はコンマで区切られた明白なテキスト値のリストです。もしくは、そのフォーマットでひとつ以上のリストを含むファイルを指します。

ファイル

ファイルとは、文字列に基づいた名前又はパスからアクセスすることができる、任意の情報のブロック又は情報を格納するためのリソースです。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

Q&A

0回答

592閲覧

scrapyを用いてItemごとにcsvファイルを生成したい

Kanadekana_nana

総合スコア8

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。

CSV

CSV(Comma-Separated Values)はコンマで区切られた明白なテキスト値のリストです。もしくは、そのフォーマットでひとつ以上のリストを含むファイルを指します。

ファイル

ファイルとは、文字列に基づいた名前又はパスからアクセスすることができる、任意の情報のブロック又は情報を格納するためのリソースです。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

0グッド

0クリップ

投稿2020/12/08 06:20

編集2020/12/09 12:01

前提・実現したいこと

scrapyのcrawlSpiderを用いてデータを収集した後、itemが一つなら scrapy spidername -o file.csv でcsvにできるのですがItemが2つ以上になったときにcsvをItemごとに生成したいです。

python

1import logging 2import scrapy 3from scrapy.spiders import CrawlSpider, Rule 4from scrapy.linkextractors import LinkExtractor 5import re 6 7from .. import items 8 9 10class JtnewsSpider(CrawlSpider): 11 name = 'jtnews' 12 allowed_domains = ['www.jtnews.jp'] 13 start_urls = ['http://www.jtnews.jp/cgi-bin/revlist.cgi?PAGE_NO=1'] 14 15 rules = ( 16 Rule( 17 LinkExtractor(allow=r"revlist.cgi?&?PAGE_NO=\d+$"), # レビュワー名簿 18 callback="parse_user", 19 follow=False 20 ), 21 Rule( 22 LinkExtractor(allow=r"revper.cgi?&?REVPER_NO=\d+$"), # 個人ページ 23 follow=True 24 ), 25 Rule( 26 LinkExtractor(allow=r"revper.cgi?&?PAGE_NO=\d+&REVPER_NO=\d+&TYPE=2$"), # レビューの変更日付順化 27 callback="parse_review" 28 ) 29 ) 30 31 user_pattern = re.compile(r"REVPER_NO=(?P<user_id>\d+)") 32 movie_pattern = re.compile(r"TITLE_NO=(?P<movie_id>\d+)") 33 34 def parse_user(self, response): 35 try: 36 user_table = response.css("table.hover-table") 37 for link in user_table.css("a"): 38 user = items.UserItem() 39 user_url = link.css("a::attr(href)").get() 40 user["user_id"] = int(self.user_pattern.findall(user_url)[0]) 41 user["name"] = link.css("a::text").get() 42 yield user 43 except: 44 self.log(f"parse failed: {response.url}", level=logging.ERROR) 45 yield scrapy.Request( 46 response.url, callback=self.parse_user, dont_filter=True 47 ) 48 49 def parse_review(self, response): 50 try: 51 user_table = response.css("table.normal-table")[2] 52 for link in user_table.css("tr")[1:]: 53 review = items.ReviewItem() 54 review_url = link.css("a::attr(href)")[0].get() 55 review["movie_id"] = int(self.movie_pattern.findall(review_url)[0]) 56 review["title"] = link.css("a::text")[0].get() 57 review["point"] = link.css("td::text").get() 58 yield review 59 except: 60 self.log(f"parse failed: {response.url}", level=logging.ERROR) 61 yield scrapy.Request( 62 response.url, callback=self.parse_review, dont_filter=True 63 ) 64

python

1import scrapy 2 3 4class ReviewItem(scrapy.Item): 5 point = scrapy.Field(serializer=str) 6 movie_id = scrapy.Field(serializer=str) 7 title = scrapy.Field(serializer=str) 8 9 10class UserItem(scrapy.Item): 11 user_id = scrapy.Field(serializer=str) 12 name = scrapy.Field(serializer=str) 13 14

試したこと

https://qiita.com/bakeratta/items/6fe9030ad838a2a71aa5
を無理矢理crawlspiderに合わせて実装しようと思ったのですがわからなかったです

補足情報(FW/ツールのバージョンなど)

scrapy2.4.1

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。

rysh

2020/12/09 07:38

サンプルコードはありますか?
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
85.48%

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