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。

Google Apps Script

Google Apps ScriptはGoogleの製品と第三者のサービスでタスクを自動化するためのJavaScriptのクラウドのスクリプト言語です。

HTML

HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

Q&A

解決済

2回答

3050閲覧

GASのParserスクレイピング 同一ページ内で抽出できる場合とできない場合がある

SSK_Y

総合スコア12

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。

Google Apps Script

Google Apps ScriptはGoogleの製品と第三者のサービスでタスクを自動化するためのJavaScriptのクラウドのスクリプト言語です。

HTML

HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

0グッド

0クリップ

投稿2021/05/04 15:57

実現したいこと

LINELIVEという動画配信サービスのページ内で、フォロワー数を取得したいと考えています。

開発者ツールで確認したところ、下記コードで抽出したい数値が定義されていました。

HTML

1<p class="mdCMN12ImgOpt"><em>587,288</em>フォロワー</p>

例:
https://live.line.me/channels/290685

スクレイピング方法は下記Youtubeを参考にしました。
https://www.youtube.com/watch?v=o9yLU-V3NV0&t=131s

発生している問題

下記コードでうまく抽出できませんでした。

gas

1function getText(){ 2 const url = "https://live.line.me/channels/290685" 3 let content = UrlFetchApp.fetch(url).getContentText() 4 5 let start ='<p class="mdCMN12ImgOpt"><em>' 6 let end ='</em>' 7 8 let getData = Parser.data(content).from(start).to(end).build() 9 10 console.log(getData) 11}

出力ログは下記の通りで、HTMLの先頭部分のようです。

log

1<!DOCTYPE html> 2<html lang="

.

別のタグではうまくいくのか確認するため、試しにstartとendを書き換え、同じページ内の冒頭部を取得してみると、下記の通りうまく取得できました。(目的のタグではない)
そのため、Parserライブラリは問題なく動いているようです。

gas

1function getText(){ 2 const url = "https://live.line.me/channels/290685" 3 let content = UrlFetchApp.fetch(url).getContentText() 4 5 let start ='<meta property="og:site_name" content="' 6 let end ='">' 7 8 let getData = Parser.data(content).from(start).to(end).build() 9 10 console.log(getData) 11}

log

1LINE LIVE(ラインライブ)| 国内最大級のライブ配信サービス

単純なテキスト抽出と考えているので、なぜ前者のコードでうまくいかないのか頭を抱えています。
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2

0

Google Cloud FunctionsにてPuppeteerを利用してスクレイピングすることが可能です。
スクレイピングしたデータは、Cheerio.gsライブラリを使うことで、jQuery的に内容を操作することが可能になります。

構築は最初は大変かもしれませんが、動的サイトのスクレイピングではPuppeteerは非常に有用なので、おすすめです。

参考URL:Google Apps Scriptでスクレイピングを極める

投稿2021/05/06 06:26

officeforest

総合スコア412

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。

SSK_Y

2021/05/06 12:33

動的サイトのスクレイピングは今後もチャレンジしそうなので情報助かります!
guest

0

ベストアンサー

ページのソースを開いてみると、<div id="app"></div>の様にコンテンツの中身が空になっています。
let content = UrlFetchApp.fetch(url).getContentText()で返ってきている内容を確認してみるとメニュー等含めて画面に表示されている内容が含まれていないことがわかります。

このことからメニュー等も含めてJavaScriptで動的にコンテンツを構成するようになっているようです。このようなサイトではヘッドレスブラウザ等を使ってブラウザの動作をエミュレートしてからデータを取得する必要があります。

GASから使えるものとしては、PhantomJSをクラウドから利用できるようにしたサービス(PhantomeJS Cloud)がありますが、PhantomJS自体が既に開発終了しているため推奨はしません。
実際に使ったことは無いので、詳しくはググってください。

投稿2021/05/04 16:52

編集2021/05/04 16:55
draq

総合スコア2573

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。

SSK_Y

2021/05/04 19:45

ありがとうございます! たしかに、fetchしたあとの変数をすべて書き出してみたところ、<div id="app"></div>で空になっていました。 PhantomeJS Cloud 調べてみようと思います。 他の回答をいただけるかもしれないので、質問はOPENのままにさせていただきます。
SSK_Y

2021/05/04 20:34

PhantomeJS Cloudを使うことで、スクレイピングができるようになりました! PhantomeJS Cloudは開発終了しているとのことなので、もし代替手段があればどなたか教えていただけると幸いです。「ヘッドレスブラウザ GAS」でググっても他には情報無しでした。
draq

2021/05/05 10:10

GAS以外の環境ならSelenium使うのが簡単ですが、GASだと他の方法は聞いたことありません。
SSK_Y

2021/05/06 12:31

ありがとうございます!
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

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