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

87.48%

rubyのnokogiriを用いてクローリングを行う

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,759

score 10

rubyのnokogriを用いて、Amazonサイトにある本カテゴリーの部分から書籍情報だけをクローリングしたいと考えております。

形としては、

id    title    author    image
0    コンビニ人間    村田 沙耶香    51+px9T8vNL._AC_US200_.jpg
1    陸王    池井戸 潤    515Olc9vuUL._AC_US200_.jpg
2 ... ...

というようにcsvファイルにしたいと考えています。

require 'open-uri'
require 'nokogiri'
require 'csv'

url = 'https://www.amazon.co.jp/s/ref=lp_466284_nr_n_0?fst=as%3Aoff&rh=n%3A465392%2Cn%3A%21465610%2Cn%3A466284%2Cn%3A548206&bbn=466284&ie=UTF8&qid=1470908910&rnid=466284'

charset = nil
html = open(url) do |f|
    charset = f.charset
    f.read
end

doc = Nokogiri::HTML.parse(html, nil, charset)

csv = "" 
table = doc.xpath('//table[@class="a-size-base a-color-null s-inline  s-access-title  a-text-normal"]')
table.search('.//a[position()>1]').each do |a|
    arr = Array.new()
    a.search('.//h2').each do |h2|
        arr.push(h2.text)
    end
    csv << arr.to_csv
end

File.open('export2.csv', 'w') do |io|
    io.write csv
end

プログラムはここまで書いてみたんですが、何かしらのエラーが出てしまい
xpathの取得の部分と、csvの部分の書き方があまり分かりません。
また、本カテゴリーの部分のクローリングを実現したいと考えています。

解決策をご教授いただけますと幸いです。  
どうぞ宜しくお願いいたします

  • 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

checkベストアンサー

0

プログラムはここまで書いてみたんですが、何かしらのエラーが出てしまい

エラーやバグを解決するまでがプログラミングなので、
まずエラー文をじっくり読んで、内容をしっかり把握しましょう。

とくに、クローラー開発はエラー処理がメインです。ネット越しに相手がいて、
相手がサイトやページをいじると即エラーですから、エラーが多い分野です。
Nokogiriがあるからコードは短いですが、エラー対応が大変なんです。

サイトの数だけエラーがあるし、運用期間中ずっとエラー対応が必要なので、
エラー文を読むのも面倒、といった感じでは長い目で見て続きません。
エラーが100回とか出るたびに質問してるとかえって大変になります。

しかも、サイト側にはクローラーはじつは目障りです。
客でもないのに負荷を増やすから。だから意図的に弾く場合があります。

サイト側の規約(Amazon側はAPIを推奨してるはず)や
図書館事件もあるので、トラブルを避けるためには慎重さが必要です。

なので、自力解決して欲しいのですが、でもまあヒントとしましては、
エラー文をエスパーすると、まずSSLのエラーで突っかかってそうです。

で、何とかそれを解決しても、次はたぶん503エラーになる。
こうしたエラーの原因の推測は難しいですが、クローラー運用に大事な能力です。


Rubyによるクローラー開発技法

学習の入口として、Rubyでクローラー開発するなら定番の良書があります。
Ruby、Nokogiri、Amazon、にも触れていますので、お勧めの本です。

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。

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 87.48%
  • 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