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

90.52%

  • Ruby

    7653questions

    Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。

  • ネットワーク

    538questions

    ネットワークとは、複数のコンピューター間を接続する技術です。インターネットが最も主流なネットワークの形態で、TCP/IP・HTTP・DNSなどの様々なプロトコルや、ルータやサーバーなどの様々な機器の上に成り立っています。

サイトから文章が取得できない

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 506

Naggy

score 24

質問内容

現在、スクレイピングの練習をしているのですが、javascriptでDOMをあつかっているサイトからうまく文章を収集できません。
例えば有名なところで言えば、2ch.scなどがそうで、スクレイピングをするだけでは文章をちゃんと取得できないのです。
これにどう対応すればうまくサイトのHTMLソースを手に入れることができるでしょうか。

使用言語

Ruby

該当のソースコード

require 'open-uri'
require 'nokogiri'

url = 'http://viper.2ch.sc/test/read.cgi/news4vip/1461508791/l50'
charset = nil
html = open(url, 'User-Agent' => 'Mozilla/5.0 (iPhone; U; CPU iPhone OS 5_0 like Mac OS X) AppleWebKit/534.46 (KHTML, like Gecko) Mobile/9A334 Safari/7534.48.3', 'Cookie' => 'READJS="off"') do |f|
  charset = f.charset 
  f.read 
end

doc = Nokogiri::HTML.parse(html, nil, charset)
doc.css('dt').each do |node|
  p node.inner_text
end

試したこと

上記のように、
2chに関してはjsモードからcgiモードに切り替えればうまくいくかもしれないと、cookieを指定しています。
これはREADJS="off"のクッキーによってcgiモードにしているためです。
しかし、うまくいきませんでした。
ただ、この方法では2ch.sc以外では通用しないので、何か普遍的な対応策を教えていただけると幸いです。

使用している環境

ruby 2.3.1p112 (2016-04-26 revision 54768) [x86_64-darwin15]

  • 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
    • 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

普遍的な対応策としては、JavaScriptを使って作成されたデータを取得するには、Selenium等の「ブラウザを動かしてスクレイピングする方法」を使うしか無いです。

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。

  • 2017/01/29 05:35

    Seleniumを使ったらうまくいきました!
    ありがとうございました!

    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 90.52%
  • 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

  • 解決済

    rubyでdef化する方法について

    下記ブログを参考にスクレイピングの練習をしてみようと思うのですが、仮にこのコードの内容をメソッドにして実行する場合、defを使ってどのような書き方ができるでしょうか? 参考ブ

  • 受付中

    スクレイピングの文の削除

    前提・実現したいこと Rubyでスクレイピングを行なっていますが、Yahoo知恵袋 の質問文だけ抽出さたいのですが、他の文の削除方法をご教授願いたいです。 ちなみに短すぎる文

  • 解決済

    Nokogiri、anemone、open-uriを使って、指定したサイトをクロール、スクレイピング

    前提・実現したいこと Nokogiri、anemone、open-uriを使い、指定したウェブサイトをクローリング、スクレイピングして、画像リンクURLを取得し、そのURLから画

  • 解決済

    スクレイピングで除外すべきタグについて

    現在テキスト分類器を作成しており、その際に疑問に思ったことについて質問したいと思います。 取得した文書を単語ごとにパースする際に、「var」「function」などのワードが多数

  • 解決済

    [Ruby]webスクレイピング

    webスクレイピングで、<span>の中身をとりだしたいんですが、上手く実行されません。 HTML内で求めるspanが何番目にあるか数えたり、検索機能で調べたり、コード内の変数

  • 解決済

    [Ruby]Webスクレイピングについて

    度々質問失礼します。 Webスクレイピングにおいて、JavaScriptが作動しているHTMLから特定の情報を取得することができません。 こちらのサイトの、Relat

  • 解決済

    記事の一番先頭をスクレイピングしたい

    Rubyでyahooのトップページの記事一覧から一番先頭をスクレイピングをしたいのですが、このコードのどこが間違えているのでしょうか? ファイル名.rbを作成し、ruby ファ

  • 受付中

    ページを推移させスクレイピングする方法

    このサイトを参考に1ページ毎にページ推移し、そのページをスクレイピングして、ブラウザ上に表示させたいのですが、うまくいきません。 スクレイピング先の記事一覧は、 https:/

同じタグがついた質問を見る

  • Ruby

    7653questions

    Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。

  • ネットワーク

    538questions

    ネットワークとは、複数のコンピューター間を接続する技術です。インターネットが最も主流なネットワークの形態で、TCP/IP・HTTP・DNSなどの様々なプロトコルや、ルータやサーバーなどの様々な機器の上に成り立っています。