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。

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

解決済

1回答

2154閲覧

スクレイピングしてログインしたいが、クローリングの時点でブラウザとは異なるソースが渡される

hima-mura.

総合スコア42

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。

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2022/01/05 06:23

編集2022/01/05 06:27
from requests_html import HTMLSession from pyquery import PyQuery as pq import sys import os inet_id=os.environ['inet_id'] useragent='Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36 Edg/96.0.1054.62' header={ 'User_Agent':useragent, } # クローリング url='https://www.ipat.jra.go.jp/' session=HTMLSession() response=session.get(url,headers=header) response.encoding=response.apparent_encoding # 日本語の文字化けを防ぐ response.html.render() # ブラウザエンジンでHTML(ブラウザのhtml)を生成 # with open('loginsite.html','w',encoding='SHIFT-JIS') as f: # f.write(response.text) # デバック用ファイル # スクレイピング html=pq(response.text) html.make_links_absolute(response.url) # クッキーとトークンを取得 uthenticity1='07CQN1' uthenticity2='010' # uthenticity1=html('input[name="uh"]').attr('value') # 返り値:None # uthenticity2=html('input[name="g"]').attr('value') # 返り値:None cookie=response.cookies login_info={ 'inetid':inet_id, 'uh':uthenticity1, 'g':uthenticity2, } res=session.post(url,data=login_info,cookies=cookie) print(res.url) # 返り値は'https://www.ipat.jra.go.jp/' で最初のurlと同じ

requestsでログインしてその先のページのurlを取得したいです。ですが、responseで得られたソースコードとブラウザで表示されているソースコードが異なり、そのうえformatタグの部分が欠落しているのでログイン情報をpostできず?にいます(ついでにtokenも取得できないので直接値をうちこんでいます、uthenticity1、uthenticity2のところです)。とりあえず取得するコードとブラウザのコードを同じにするためにユーザーエージェントを引数にする、またrequestsモジュールではなくrequests-htmlモジュールを使用することを試みたのですが結果は変わりませんでした。
助言をお願いします。

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

ページをJavaScriptで構築している、ということが考えられます。

HTMLだけ取得しても、JavaScript実行後の結果は得られません。

投稿2022/01/05 06:35

maisumakun

総合スコア146018

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。

hima-mura.

2022/01/05 06:52

確かに取得した者にはJSのコードが大多数を占めていましたが、requests-htmlはPyppeteerを内蔵しているのでJSを操作できるという認識でしたが、カバーできていなかったということなのでしょうか?
hima-mura.

2022/01/05 07:53

おとなしくseleniumを使ってID情報のみでログインしました。 ありがとうございました。
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

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