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。

Beautiful Soup

Beautiful Soupは、Pythonのライブラリの一つ。スクレイピングに特化しています。HTMLデータの構文の解析を行うために、HTMLタグ/CSSのセレクタで抽出する部分を指定することが可能です。

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

1回答

649閲覧

URL内のURLを「次へ」の分だけ取得したい

Zarathustra

総合スコア3

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。

Beautiful Soup

Beautiful Soupは、Pythonのライブラリの一つ。スクレイピングに特化しています。HTMLデータの構文の解析を行うために、HTMLタグ/CSSのセレクタで抽出する部分を指定することが可能です。

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2021/10/29 08:09

編集2021/11/03 07:36

##Python BeautifulSoupでのスクレイピング
####解決したい事
取得したURL内にジャンル毎のURLがあり全てを取得したい。
(ジャンル毎のURL内に「次へ」ボタンがある場合全てのページ分)

python

1#ジャンル毎のURLは取得済みでリストに入っています。 2url_list = [] 3for i in url_list: 4 r = requests.get(i) 5 soup = BeautifulSoup(r.text) 6 get_next = soup.find('li',class_ = ('next')) 7 8#1ページのみの場合はNoneが表示される為、複数ページある場合は「次ページ」を取得 9 if get_next != None: 10 next_pages2 = get_next.select('a[href]') 11 for next_pages in next_pages2: 12 next_page = 'https://----' + n_pages.get('href') 13 print(n_page) 14

####問題点
・このコーディングだと複数ページある場合は、2ページ目のみを取得になっている為、全ページにしたい。
####試した事
・ifの箇所をwhile文に変更した。←1ページ目の「次へ」から2ページ目を取得。2ページ目の「次へ」から3ページ目を取得。を繰り返して欲しいのに、1ページ目の「次へ」から2ページ目を取得を無限ループしてしまう。

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

正確な状況がわかりませんが、再帰関数を使えば解決できる状況のような気がします。

python

1def get_page(url): 2 r = requests.get(url) 3 soup = BeautifulSoup(r.text) 4 get_next = soup.find('li',class_ = ('next')) 5 sleep(3) 6 if get_next: 7 next_page_url = get_next.select('a[href]') 8 get_page(next_page_url) 9 10for url in url_list: 11 get_page(url)

投稿2021/11/03 08:25

etherbeg

総合スコア1195

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。

Zarathustra

2021/11/03 16:01

etherbeg様 ご回答ありがとうございました。前進しましたが別の問題点が発生しました。 リスト内の最後のURLが7ページ分あるので、試したところ6回分処理がちゃんとされました。printで表示させると全てNoneになってしまいURLとして表示されませんでした。
etherbeg

2021/11/03 21:53 編集

私の回答は繰り返し処理についての考え方を示したものです。 BeautifulSoupを使ってHTMLソースから情報(URL)を取得する部分については、HTMLソースがわからず、また質問文のソースコードもよくわからなかったので、回答文のその部分については、質問文のソースコードからの適当なつぎはぎです。「正確な状況がわからない」と書いたのはそのような意味です。 繰り返し処理についての問題は解決しましたか? もし解決したのであれば、この質問は「解決済」にステータスを変更した上で、別の問題については新たに質問を立てていただくのが望ましいです。
Zarathustra

2021/11/04 13:09

繰り返し処理は無事できました。ありがとうございます。
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

まだベストアンサーが選ばれていません

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
85.35%

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