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
85.50%
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。

Python 2.7

Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

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。

pandas

Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

Q&A

1回答

1067閲覧

Pandasでスクレイピングする時に特定のデータだけエラーが表示される

Ponta2929

総合スコア16

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。

Python 2.7

Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

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。

pandas

Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

0グッド

0クリップ

投稿2021/03/13 07:27

やりたき事

プロ野球・サッカーのデータが載っているサイトからデータをスクレイピングしたい
※野球:https://baseball-data.com/player/f/
※サッカー:https://www.soccer-money.net/team/team.php?team=FC%E6%9D%B1%E4%BA%AC

開発環境

Jupyter NotebookでPythonを用いて開発しています。

問題

プロ野球のデータは問題なくスクレイピング出来るがサッカーのデータをスクレイピングしようとすると以下の文字コードエラーが表示されました。

エラーの中身を見ると以下の内容でした。

Python

1UnicodeEncodeError: 'ascii' codec can't encode characters in position 26-27: ordinal not in range(128)

なぜ同じようなコードを使っていて野球のデータは問題なくスクレイピング出来て
サッカーは上記のエラーが出るのかを知りたいです。

試したこと

スクレイピングする際に文字コードを変えてみましたがエラーが出ました。

元のコードはもっと長いのですが、どこに問題があるか特定しようと絞っていった結果
記載しているコードが残り、なぜかサッカーのデータだけスクレイピングする時にエラーが出るようです。

ソースコード

プロ野球スクレイピング(問題なくスクレイピング出来る)

Python

1# ライブラリ読み込み 2import pandas as pd 3import time 4 5def ScrapingProfileData(url,team,year): 6 """プロフィールデータをスクレイピングする関数""" 7 data = pd.read_html(url, encoding='utf-8') 8 data = data[0] 9 data['チーム']=team 10 data['年']=year 11 data['年俸(推定)'] = data['年俸(推定)'].str.replace('万円','') 12 data['年俸(推定)'] = data['年俸(推定)'].str.replace(',','') 13 return data 14 15if __name__ == "__main__": 16 profile_df=pd.DataFrame() 17 #①チーム・年度のリスト生成 18 teams =['g','t'] 19 years=['20', '19'] 20 #②基礎URL 21 base_url = 'https://baseball-data.com/' 22 #①②からURL生成した上でスクレイピング 23 for team in teams: 24 for year in years: 25 try: 26 url = base_url + year +'/player/'+ str(team) +'/' 27 print(url) 28 data = ScrapingProfileData(url,team,year) 29 data['team_name'] = name 30 profile_df = pd.concat([profile_df,data]) 31 time.sleep(2) 32 except: 33 print('error') 34 35 #スクレイピング完了通知 36 print('scraping_end') 37 38data

サッカースクレイピング(上記のエラーが出る)

Python

1##サッカー版シンプルコード 2 3#ライブラリ読み込み 4import pandas as pd 5import time 6 7#スクレイピング関数 8def ScrapingProfileData(url,team,year): 9# """プロフィールデータをスクレイピングする関数""" 10 data = pd.read_html(url, encoding='utf-8') 11 data = data[1] 12 data['チーム']=team 13 data['年']=year 14 data['年俸'] = data['年俸'].str.replace('万円','') 15 data['年俸'] = data['年俸'].str.replace(',','') 16 return data 17 18if __name__ == "__main__": 19 profile_df=pd.DataFrame() 20 #①チーム・年度のリスト生成 21 teams = ['FC東京','アビスパ福岡'] 22 years = ['2020'] 23 #②基礎URL 24 base_url = 'https://www.soccer-money.net/team/past_team.php' 25 #①②からURL生成した上でスクレイピング 26 for team in teams: 27 for year in years: 28 try: 29 url = base_url+'?team='+ str(team) +'&year='+str(year) 30 print(url) 31 data = ScrapingProfileData(url,team,year) 32 profile_df = pd.concat([profile_df,data]) 33 time.sleep(2) 34 except: 35 print('error') 36 37 #スクレイピング完了通知 38 print('scraping_end') 39 40data

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。

xail2222

2021/03/13 07:47 編集

すみません訂正します。読み間違いました。
guest

回答1

0

提示のエラーが出る理由は日本語だからのようですね。

参考

python

1import urllib.parse 2<> 3 url = base_url+'?team='+ urllib.parse.quote(team) +'&year='+str(year)

(追記)
他のエラーもあったので調べてみました。
pd.read_html()で取得したtableがlistになってしまう
requestの使い方

python

1from bs4 import BeautifulSoup 2import requests 3 4def ScrapingProfileData(url,team,year): 5 # requestで内容取得 6 get_url_info = requests.get(url) 7 # BeautifulSoupでパース 8 soup = BeautifulSoup(get_url_info.text, "html.parser") 9 table = soup.find_all("table", id="table_ranking") 10 data = pd.read_html(str(table))[0]

これでデータが取れますね。あと、サッカーの方には"年棒"というカラムはなく
"2020年 年俸"というカラムになってるようですね。

野球の方はtableが一つしかないからたまたまできていたようですね。

投稿2021/03/13 07:55

編集2021/03/14 05:35
xail2222

総合スコア1497

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。

xail2222

2021/03/13 07:56

有れ? 文章がちゃんと出てない… 日本語が原因みたいですね。
Ponta2929

2021/03/13 12:40

やってみたのですが、エラーで上手くいかなかったです... xail2222さんが試したときは↑のやり方で出来そうでしょうか?
xail2222

2021/03/13 16:51

data = pd.read_html(url, encoding='utf-8')は、実行できるようになりました。 別の処理で、別のエラーは出ますけど
xail2222

2021/03/14 05:34

pip install beautifulsoup4 ですね。
xail2222

2021/03/14 05:36

あ。なんだかダメみたいですね。修正しました。 from bs4 import BeautifulSoup にしました。
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
85.50%

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