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
85.37%
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。

XPath(XML Path)

XML Path Language (XPath; XMLパス言語)は、マークアップ言語 XML に準拠した文書の特定の部分を指定する言語構文の事をいいます。XPathはXMLとは別の構文を使用します。XMLドキュメントの抽象、論理ストラクチャ上で動作します。

selenium

Selenium(セレニウム)は、ブラウザをプログラムで作動させるフレームワークです。この原理を使うことにより、ブラウザのユーザーテストなどを自動化にすることができます。

Q&A

解決済

1回答

1598閲覧

Xpathで相対リンクを見つけたい

verinard

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。

XPath(XML Path)

XML Path Language (XPath; XMLパス言語)は、マークアップ言語 XML に準拠した文書の特定の部分を指定する言語構文の事をいいます。XPathはXMLとは別の構文を使用します。XMLドキュメントの抽象、論理ストラクチャ上で動作します。

selenium

Selenium(セレニウム)は、ブラウザをプログラムで作動させるフレームワークです。この原理を使うことにより、ブラウザのユーザーテストなどを自動化にすることができます。

0グッド

0クリップ

投稿2021/06/20 08:27

編集2021/06/20 08:32

前提・実現したいこと

webサイトのスクレイピングを行っていて、ページ内を自動で移動することを行っています。
具体的には

//a[contains(@href, '#サイトのURL')] 例 //a[contains(@href, 'https://www.yahoo.co.jp/')]

このような形で同じサイト内のリンクを収集してそこからランダムにアクセスするということをしています。

発生している問題・エラーメッセージ

問題としては、hrefが絶対パスのときしかこれはできなくて
(サイトのドメインがhrefに書いてある場合)
サイトによっては、

#example.comというサイトで目的のパスが <a href="/jp/aaa/bbb/ccc/">

のように相対パス?で書かれていてリンクを探すことができません

どうすれば相対パスでもリンクを探すことができるのでしょうか?

ちなみにスクレイピングにはSeleniumとPython3.8を使用しいます。

これがコードです。
わかる方がいらっしゃれば教えて下さいお願いします。

Python

1def movepage(mainurl): 2 elements = browser.find_elements_by_xpath("//a[contains(@href, '{}')]".format(mainurl)) 3 element = random.choice(elements) 4 print(element) 5 browser.execute_script("arguments[0].click();", element) 6 time.sleep(3)

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1

0

ベストアンサー

サイトによっては、<a href="/jp/aaa/bbb/ccc/"> のように相対パス?で書かれていてリンクを探すことができません

そのパスは/で始まっているので絶対パスです。
ただし、スキーム(http:https:)で始まっていないので相対URLと言います。
スキームで始まるのが絶対URLです。

絶対URLは、そのページの絶対URLをurl_of_this_pageとすると、

Python

1import urllib 2~~~ 3target_url = urllib.parse.urljoin(url_of_this_page, element.get_attribute("href"))

で、求まります。

Python

1urllib.parse.urljoin("https://www.example.com/foo/bar.html", "/a/b/c.html") 2#=> 'https://www.example.com/a/b/c.html' 3 4urllib.parse.urljoin("https://www.example.com/foo/bar.html", "./x.html") 5#=> 'https://www.example.com/foo/x.html'

投稿2021/06/20 09:51

編集2021/06/20 09:56
otn

総合スコア85764

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。

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
85.37%

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