前提・実現したいこと
WebスクレイピングをPythonを使って自動で行おうとしています。
スクレイピングしたい箇所の読み取りとExcelへの書き込み、保存まではできました。
ですが、次のリンク・次のページへの移動ができません。
どこか間違えている・足りない箇所があれば、教えていただきたいです。
基準となる1ページ目のURLから詳細情報のリンク先のURLをリスト化し、そのURLに順にアクセスしてスクレイピング。
そしてURLを一通り巡回したらページ遷移のボタンで次ページへ。なければプログラム終了という流れを作りたいと考えています。
発生している問題・エラーメッセージ
実行した時に、エラーが出なかったため、うまくいったと思いました。しかし、保存先のExcelファイルは上書き保存されていませんでした。
該当のソースコード
Python
1import requests 2from bs4 import BeautifulSoup 3import time 4import os 5import pandas as pd 6import codecs 7from urllib.parse import urljoin 8from openpyxl import Workbook 9from openpyxl import load_workbook 10 11url='基準となる1ページ目のURL' 12 13row = 1 14col = 2 15 16while True: 17 18 res = requests.get(url) 19 res.raise_for_status() 20 html = BeautifulSoup(res.text, 'lxml') 21 detail_url_list = html.find_all("スクレイピングしたいURLのhtmlタグ") 22 next_page = html.find("次ページのURLのhtmlタグ") 23 24 for i in range(len(detail_url_list)): 25 res2 = requests.get(urljoin(base_url, detail_url_list[i].a.get("href"))) 26 res2.raise_for_status() 27 html2 = BeautifulSoup(res2.text,"html.parser") 28 elems1=html2.select('スクレイピングする場所') 29 name=(elems1[0].contents[1]) 30 elems2=html2.select('スクレイピングする場所') 31 time=(elems2[0].contents[0]) 32 33 34 wb = load_workbook(r"保存先のExcelファイルのパス") 35 ws = wb["シート名"] 36 37 ws.cell(col, row, value=name) 38 row=row+1 39 ws.cell(col, row, value=time) 40 col=col+1 41 wb.save(r"保存先のExcelファイルのパス") 42 time.sleep(5) 43 44 if bool(next_page) == False: 45 break 46 dynamic_url = urljoin(base_url, next_page.a.get("href")) 47 time.sleep(5)
試したこと
最初、22行目(空白行を除けば18行目)の
next_page = html.find("次ページのURLのhtmlタグ")
のfindの部分をselectにしていました。
しかし、実行後、
46行目(空白行を除けば37行目)の
dynamic_url = urljoin(base_url, next_page.a.get("href"))
の部分で
**「You're probably treating a list of elements like a single element. Did you call find_all() when you meant to call find()?」**というエラーメッセージが表示されたため、findにしました。
補足情報(FW/ツールのバージョンなど)
同じような方法でWebスクレイピングをなさっている他の方のソースコードを参考にしました。
(参考サイト)
回答2件
あなたの回答
tips
プレビュー
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。