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%
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

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。

Q&A

解決済

2回答

3551閲覧

Webスクレイピング時のページ遷移をしたいです。

Texizo

総合スコア1

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

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。

0グッド

0クリップ

投稿2021/06/13 06:45

編集2021/06/13 06:50

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")
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)

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

自己解決

url.joinとbse_urlを削除することで動かすことができました。

投稿2021/06/15 08:17

Texizo

総合スコア1

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。

0

コードをパッと見た感じ想定通り動きそうに見えましたが、ループごとにres2.textの値を確認できますか?

投稿2021/06/13 07:45

goto_yuta_

総合スコア211

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。

Texizo

2021/06/13 08:18

res2.textの値を確認できませんでした。ひょっとしたら、ifの設定によって、最初の段階でFalseの判定が下りプログラムが停止しているのかもしれません。
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
85.35%

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