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!

ただいまの
回答率

88.64%

Ruby on Railsで無限スクロールサイトのスクレイピング方法について

受付中

回答 1

投稿 編集

  • 評価
  • クリップ 1
  • VIEW 2,239

Dongrill

score 19

前提・実現したいこと

Railsでスクレイピングの練習をしているのですが、twitterのようにページ下部で無限スクロールするサイトでツイートのテキストを拾おうとすると最初の20件しかスクレイピングできません。そこで色々とネットで調べてInfinite Scrollという仕組みがあるなどの情報まではわかったのですが、具体的にRailsでスクレイピングプログラムに落とし込むことができておりません。Infinite Scroll以外も含めて無限スクロールサイトをRailsでスクレイピング可能にする具体的な良い方法はないでしょうか?

該当のソースコード

agent = Mechanize.new
    agent.user_agent_alias = "Mac Safari"
    page = agent.get("https://twitter.com/ユーザー名")
    texts = page.search('.js-tweet-text-container')
    texts.each do |numbers|
      text = numbers.search('p').inner_text
      tweets = Tweet.where(text: text).first_or_initialize
      tweets.save
    end

  end

試したこと

Google chromeの検証モードでスクロールをして画面下まで行くとHTML上で新しいツイートのリストが増えたのを確認しましたが、その仕組みまではよく分かりませんでした。

補足情報(言語/FW/ツール等のバージョンなど)

言語: Ruby on Rails(2.1.3)
OS: MAC OS X EL Capitan(10.11.5)

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイ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。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

0

ターゲットWebサイトがどのように Infinite Scroll を実現しているかによります。
たとえばここteratailでは、ここで紹介しているブックマークレットを実行することで無限スクロールできるようになりますが、その裏では、Google chromeの開発者ツールでネットワークタブを見る限り、クライアントからサーバへ以下のようなリクエストがでています(2016年8月29日現在):
https://teratail.com/questions/ajax_feed/20/60/btnActive/0
https://teratail.com/questions/ajax_feed/20/80/btnActive/0
teratailの場合は、上記URLのパラメータを変えることで任意の部分をjson形式で得られるので、それをほどいて必要なコンテンツを取り出せばよいです。

ただし、teratailの場合はAPIが用意されているので、そちらを使うのが期待されたやり方です。

twitterもAPIが用意されています。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2016/09/01 12:53

    ご返信遅くなってしまい申し訳ありません。ご回答ありがとうございました。教えていただいた通りにtwitter APIを用いて自分なりに試行錯誤してみます。

    キャンセル

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 88.64%
  • 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られる

関連した質問

同じタグがついた質問を見る