前回の質問で色々助けていただいて、
https://gigazine.net/ から 記事の表題とそのURLを抜き出すことができました。
しかしながら このサイトは"https://gigazine.net/P40 , P120 と 40ごとにPをインクリメントすることで過去の記事も辿れるようです。
過去の記事も取得したいので前回作成したコードに for 文を足して
下記のようなコードを書きましたが、なぜだか、https://gigazine.net/P40 からの記事を取得できていません。色々いじってみましたがだめでした。for 文の書き方が悪いのでしょうか?
どなたかご指摘いただければと思います。
よろしくお願いいたします
python
1from bs4 import BeautifulSoup 2import urllib.request as req 3import pandas as pd 4 5 6 7for u in range (0,120,40): ##"https://gigazine.net/P0" << P0、P40 ,P120 を取りたい 8 #print(u) 9 url=url = "https://gigazine.net/P" ##これがベースのURL 10 #print(url) 11 url=url+str(u) #ベースのURLに40を追加。これを120になるまで行う 12 #print(url) 13 headers = { 14 "User-Agent": "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:47.0) Gecko/20100101 Firefox/47.0" 15 } 16 17 18 request = req.Request(url,headers=headers) 19 response = req.urlopen(request) 20 21 parse_html =BeautifulSoup(response,'html.parser') 22 23 def a_with_href_and_title(tag): 24 return tag.has_attr('title') and tag.has_attr('href') 25 title_lists = (parse_html.find_all(a_with_href_and_title)) 26 title_list =[] 27 url_list = [] 28 29 for i in title_lists: 30 title_list.append(i.attrs['title']) 31 url_list.append(i.attrs['href']) 32#url=url+str(u) 33 34df_title_url = pd.DataFrame({'Title':title_list, 'URL':url_list}) 35print(df_title_url) ##ここで取れたタイトルを確認してみるが最初の40件しか取れていない。
回答1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。