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
85.46%
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。

Webサイト

一つのドメイン上に存在するWebページの集合体をWebサイトと呼びます。

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

0回答

391閲覧

Webスクレイピング 内容抽出

XiaoBing

総合スコア0

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。

Webサイト

一つのドメイン上に存在するWebページの集合体をWebサイトと呼びます。

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2021/10/12 15:57

python初心者です。
Webスクレイピングでサイトの3つの部分(記事タイトル・日時&ソース・記事内容)を抽出したいのですが、以下のエラーメッセージが発生しました。

発生しているエラーメッセージ

line 42, in <module> scrapy(NEWS_URL)

line 20, in scrapy parse(page)

line 33, in parse title = news_h[0].text

line 1486, in __getitem__ return self.attrs[key] KeyError: 0

該当のソースコード

if __name__ == '__main__': scrapy(NEWS_URL)

def scrapy(url): page_name = url.split('/')[-1] url_request = request.urlopen(url) if url_request.status != 200: print("Error!") else: page = url_request.read().decode('utf8', 'ignore') with open(SAVE_PATH + page_name, "w", encoding="utf8") as f: f.write(page) parse(page)

def parse(page): soup = BeautifulSoup(page, "html.parser", from_encoding='utf8') news_div = soup.find('div', class_='content') news_h = news_div.find('h1') news_p = news_div.find_all('p', class_='left_zw') for div in news_div: news_a = news_div.find_all('a') if news_a: title = news_h[0].text source = div.find('div', class_='left-t').text text = news_p.find('div', class_='left_zw').text print(title, source, text)

試したこと

print(news_h)で抽出された結果を確認するもうまくいかず......
④は該当ソースも分からない状態です。

補足情報

スクレイピング該当Webページ

http://www.chinanews.com/gn/2021/10-10/9582799.shtml

自分で打ち込んだコード全体

import urllib.request as request import os from bs4 import BeautifulSoup SAVE_PATH = 'data/' if not os.path.exists(SAVE_PATH): os.mkdir(SAVE_PATH) NEWS_URL = 'http://www.chinanews.com/gn/2021/10-10/9582799.shtml' def scrapy(url): page_name = url.split('/')[-1] url_request = request.urlopen(url) if url_request.status != 200: print("Error!") else: page = url_request.read().decode('utf8', 'ignore') with open(SAVE_PATH + page_name, "w", encoding="utf8") as f: f.write(page) parse(page) def parse(page): soup = BeautifulSoup(page, "html.parser", from_encoding='utf8') news_div = soup.find('div', class_='content') news_h = news_div.find('h1') news_p = news_div.find_all('p', class_='left_zw') for div in news_div: news_a = news_div.find_all('a') if news_a: title = news_h[0].text source = div.find('div', class_='left-t').text text = news_p.find('p', class_='left_zw').text print(title, source, text) if __name__ == '__main__': scrapy(NEWS_URL)

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

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

まだ回答がついていません

会員登録して回答してみよう

アカウントをお持ちの方は

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
85.46%

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