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%
pip

pipとは、Pythonを用いて書かれているパッケージソフトのインストールや管理を行うためのパッケージマネジメントシステムです。pipを使う主なメリットは、コマンドラインインターフェースにて容易にPythonパッケージソフトをインストール可能だという点です。

Q&A

0回答

975閲覧

PythonでYouTube のアーカイブからチャットが取得できなくなった

hhtt

総合スコア0

pip

pipとは、Pythonを用いて書かれているパッケージソフトのインストールや管理を行うためのパッケージマネジメントシステムです。pipを使う主なメリットは、コマンドラインインターフェースにて容易にPythonパッケージソフトをインストール可能だという点です。

0グッド

0クリップ

投稿2021/02/16 09:38

前提・実現したいこと

PythonでYoutubeのアーカイブからチャットを取得したいです。

先月までは取得できていたのですが、今回やってみたところ取得したデータが空になってしまいました

発生している問題・エラーメッセージ

SyntaxError
invalid syntax (<unknown>, line 1)

cmdでpyファイル実行後に上記エラーがでて、jsonファイルに何も表示されていません

該当のソースコード

#!/usr/bin/env python3 from bs4 import BeautifulSoup import ast import requests import requests_html import re import sys # Produce a valid filename (from Django text utils). def get_valid_filename(s): s = str(s).strip().replace(' ', '_') return re.sub(r'(?u)[^-\w.]', '', s) # Set up variables for requests. #target_url = sys.argv[1] target_url = "https://www.youtube.com/watch?v=xxxx" #←コメントを取得したい番組のURL dict_str = '' next_url = '' comment_data = [] #session = requests.Session() session = requests_html.HTMLSession() headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36'} # Get the video page. #html = session.get(target_url) resp = session.get(target_url) resp.html.render(sleep=3) #soup = BeautifulSoup(html.text, 'html.parser') # Retrieve the title and sanitize so it is a valid filename. #title = soup.find_all('title') title = resp.html.find('title') title = title[0].text.replace(' - YouTube', '') title = get_valid_filename(title) # Regex match for emoji. RE_EMOJI = re.compile('[\U00010000-\U0010ffff]', flags=re.UNICODE) # Find any live_chat_replay elements, get URL for next live chat message. #for iframe in soup.find_all("iframe"): # if("live_chat_replay" in iframe["src"]): # next_url = iframe["src"] for iframe in resp.html.find("iframe"): if "live_chat_replay" in iframe.attrs["src"]: next_url = "".join(["https://www.youtube.com", iframe.attrs["src"]]) if not next_url: print("Couldn't find live_chat_replay iframe. Maybe try running again?") sys.exit(0) # TODO - We should fail fast if next_url is empty, otherwise you get error: # Invalid URL '': No schema supplied. Perhaps you meant http://? # TODO - This loop is fragile. It loops endlessly when some exceptions are hit. while(1): try: html = session.get(next_url, headers=headers) soup = BeautifulSoup(html.text, 'lxml') # Loop through all script tags. for script in soup.find_all('script'): script_text = str(script) if 'ytInitialData' in script_text: dict_str = ''.join(script_text.split(" = ")[1:]) # Capitalize booleans so JSON is valid Python dict. dict_str = dict_str.replace("false", "False") dict_str = dict_str.replace("true", "True") # Strip extra HTML from JSON. dict_str = re.sub(r'};.*\n.+</script>', '}', dict_str) # Correct some characters. dict_str = dict_str.rstrip(" \n;") # TODO: I don't seem to have any issues with emoji in the messages. # dict_str = RE_EMOJI.sub(r'', dict_str) # Evaluate the cleaned up JSON into a python dict. dics = ast.literal_eval(dict_str) # TODO: On the last pass this returns KeyError since there are no more # continuations or actions. Should probably just break in that case. continue_url = dics["continuationContents"]["liveChatContinuation"]["continuations"][0]["liveChatReplayContinuationData"]["continuation"] print('Found another live chat continuation:') print(continue_url) next_url = "https://www.youtube.com/live_chat_replay?continuation=" + continue_url # Extract the data for each live chat comment. for samp in dics["continuationContents"]["liveChatContinuation"]["actions"]: comment_data.append(str(samp) + "\n") # next_urlが入手できなくなったら終わり except requests.ConnectionError: print("Connection Error") continue except requests.HTTPError: print("HTTPError") break except requests.Timeout: print("Timeout") continue except requests.exceptions.RequestException as e: print(e) break except KeyError as e: error = str(e) if 'liveChatReplayContinuationData' in error: print('Hit last live chat segment, finishing job.') else: print("KeyError") print(e) break except SyntaxError as e: print("SyntaxError") print(e) break # continue #TODO except KeyboardInterrupt: break except Exception: print("Unexpected error:" + str(sys.exc_info()[0])) # Write the comment data to a file named after the title of the video. with open(title + ".json", mode='w', encoding="utf-8") as f: f.writelines(comment_data) print('Comment data saved to ' + title + '.json')

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)

appdirs==1.4.4
beautifulsoup4==4.9.3
bs4==0.0.1
certifi==2020.12.5
chainmap==1.0.3
chardet==4.0.0
combomethod==1.0.12
cssselect==1.1.0
fake-useragent==0.1.11
idna==2.10
lxml==4.6.2
nulltype==2.3.1
options==1.4.10
parse==1.19.0
pyee==8.1.0
pyppeteer==0.2.5
pyquery==1.4.3
requests==2.25.1
requests-html==0.10.0
selenium==3.141.0
six==1.12.0
soupsieve==2.2
tqdm==4.56.2
urllib3==1.26.3
w3lib==1.22.0
websockets==8.1

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。

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