RailsのMechanizeメソッドを使ったスクレイピングについて
解決済
回答 1
投稿
- 評価
- クリップ 0
- VIEW 1,371

退会済みユーザー
ruby on railsのmechanizeメソッドでスクレイピングをしたいと考えております。
以下のようなHTMLがあります。
<table>
<tr>
<th class="MagPriTab_MagNa">雑誌名</th>
<th class="MagPriTab_PubNa">出版社名</th>
<th>印刷証明付き発行部数</th>
</tr>
<tr>
<td class="MagDataTab_MagNa"><a href="http://withonline.jp/" target="_blank">with</a></td>
<td>講談社</td>
<td class="MagDataTab_count">200,000</td>
</tr>
<tr>
<td class="MagDataTab_MagNa"><a href="http://more.shueisha.co.jp" target="_blank">MORE</a></td>
<td>集英社</td>
<td class="MagDataTab_count">256,667</td>
</tr>
<tr>
<td class="MagDataTab_MagNa"><a href="http://www.shufu.co.jp" target="_blank">ar</a></td>
<td>主婦と生活社</td>
<td class="MagDataTab_count">121,067</td>
</tr>
</table>
ここから、
<td class="MagDataTab_count">200,000</td>
<td class="MagDataTab_count">256,667</td>
<td class="MagDataTab_count">121,067</td>
のタグから数字を取り出したいのですが、上手くいきません。
数字自体は取得できるのですが、なぜか数字が連結してしまいます。
スクレイピングのメソッド自体は以下のようなコードを書いています。
def self.mag_association
counts = []
agent = Mechanize.new
page = agent.get("http://www.j-magazine.or.jp/magadata/index.php?module=list&action=list&cat1cd=2&cat3cd=19&period_cd=31")
circulations = page.search('.MagDataTab')
circulations.each do |numbers|
circulation = numbers.search('.MagDataTab_count').inner_text
magazine = Magazine.new(circulation: circulation)
magazine.save
end
end
ターミナルのコンソールで実行すると以下のように表示されます。
[23] pry(main)> Scraping.mag_association
(0.2ms) BEGIN
SQL (1.1ms) INSERT INTO `magazines` (`circulation`, `created_at`, `updated_at`) VALUES ('200,000256,667121,067', '2016-05-09 08:42:18', '2016-05-09 08:42:18')
さきほど紹介したHTMLコード
<td class="MagDataTab_count">200,000</td>
<td class="MagDataTab_count">256,667</td>
<td class="MagDataTab_count">121,067</td>
このタグ内の数字がなぜか連結してしまい、"200,000256,667121,067"と表示されていることが問題点です。
解決策をご教授いただけると幸いです。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、後からいつでもマイ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。
クリップを取り消します
-
良い質問の評価を上げる
以下のような質問は評価を上げましょう
- 質問内容が明確
- 自分も答えを知りたい
- 質問者以外のユーザにも役立つ
評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。
質問の評価を上げたことを取り消します
-
評価を下げられる数の上限に達しました
評価を下げることができません
- 1日5回まで評価を下げられます
- 1日に1ユーザに対して2回まで評価を下げられます
質問の評価を下げる
teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。
- プログラミングに関係のない質問
- やってほしいことだけを記載した丸投げの質問
- 問題・課題が含まれていない質問
- 意図的に内容が抹消された質問
- 過去に投稿した質問と同じ内容の質問
- 広告と受け取られるような投稿
評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。
質問の評価を下げたことを取り消します
この機能は開放されていません
評価を下げる条件を満たしてません
質問の評価を下げる機能の利用条件
この機能を利用するためには、以下の事項を行う必要があります。
- 質問回答など一定の行動
-
メールアドレスの認証
メールアドレスの認証
-
質問評価に関するヘルプページの閲覧
質問評価に関するヘルプページの閲覧
checkベストアンサー
0
searchは Nokogiri::XML::NodeSet
を返すのでは?
今回の場合、セレクタ .MagDataTab_count
に該当する複数の要素が返されているようです。
さらに each で回せば、目的の結果が得られませんでしょうか。
def mag_association
agent = Mechanize.new
page = agent.get("http://www.j-magazine.or.jp/magadata/index.php?module=list&action=list&cat1cd=2&cat3cd=19&period_cd=31")
circulations = page.search('.MagDataTab')
circulations.each do |numbers|
circulation = numbers.search('.MagDataTab_count')
circulation.each do |count|
puts "count = #{count.inner_text}"
end
end
end
投稿
-
回答の評価を上げる
以下のような回答は評価を上げましょう
- 正しい回答
- わかりやすい回答
- ためになる回答
評価が高い回答ほどページの上位に表示されます。
-
回答の評価を下げる
下記のような回答は推奨されていません。
- 間違っている回答
- 質問の回答になっていない投稿
- スパムや攻撃的な表現を用いた投稿
評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。
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 88.32%
- 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られる
2016/05/10 12:18