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

90.35%

  • Google Apps Script

    946questions

    Google Apps ScriptはGoogleの製品と第三者のサービスでタスクを自動化するためのJavaScriptのクラウドのスクリプト言語です。

Google Apps Scriptで複数URLのスクレイピングがうまくできない。

受付中

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,064

terauser

score 2

前提・実現したいこと

google apps scriptを使って下記のようなwebサイトのスクレイピング用のスクリプトを作りたいと考えています。スクレイピングしたデータはgoogleスプレッドシートに書き出して一覧化したいです。

前提:
スクレイピング対象のURLがある列に100個ほど一覧化されています。

やりたいこと:
その一つ一つのURLを開いたページ中の内部リンクURLとアンカーテキストを抜き出してきたいです。イメージは以下のようなものです。

A列                B列 |C列
対象URL(A)|ページAの内部リンクURL1 | アンカーテキスト
同上      |ページAの内部リンクURL2 | アンカーテキスト
同上      |ページAの内部リンクURL3 | アンカーテキスト
対象URL(B)|ページBの内部リンクURL1 | アンカーテキスト
同上      |ページBの内部リンクURL2 | アンカーテキスト
対象URL(C)|ページCの内部リンクURL1 | アンカーテキスト
同上      |ページCの内部リンクURL2 | アンカーテキスト
同上      |ページCの内部リンクURL3 | アンカーテキスト

質問したいこと

一覧のURLをforで回して→UrlFetchApp.fetch()を使ってページの内容を持ってくる→aタグのところだけ抜き出してそれぞれreturnの流れで作ってみたのですが、下記のようなエラーが多発し進まない状況です。まずはどこが問題なのか知りたいです。

発生している問題・エラーメッセージ

エラーメッセージ
https://ja.wikipedia.org/wiki/%25E3%2582%25AF%25E3%2583%2583%25E3%2582%25AF%25E3%2583%2591%25E3%2583%2583%25E3%2583%2589 のリクエストに失敗しました(エラー: 400)。サーバー応答の一部: <!DOCTYPE html> <html class="client-nojs" lang="ja" dir="ltr"> <head> <meta charset="UTF-8"/> <title>不適切なページ名 - Wikipedia</title> <script>document....(応答の全文を見るには muteHttpExceptions オプションを使用してください)(行 20)が発生しました。

該当のソースコード

function myScraping() {
  //1. 現在のスプレッドシートを取得
  var spreadsheet = SpreadsheetApp.getActiveSpreadsheet();
  //2. 現在のシートを取得
  var sheet = spreadsheet.getActiveSheet();
  //3. 指定するセルの範囲(A1)を取得
  var range = sheet.getRange(1, 1, 100, 1);
  //4. 値を取得する
  var values = range.getValues();

  var results = [];
  for (var i=0; i<=100; i++) {
    var data = scrapeSearchResult(values[i][0]);
    results.push(data);
  }
  return results;
}

function scrapeSearchResult(url) {
  var response = UrlFetchApp.fetch(url),
      regexp   = //a/,
      elements = response.getContentText().match(regexp),
      result   = [];
  for (var i in elements) {
    var doc  = XmlService.parse(elements[i]),
        root = doc.getRootElement();
    result.push({
      title: root.getValue(),
      link:  root.getChild('a').getAttribute('href').getValue().match(/^\/url\?q=(.+?)\&/)[1]
    })
  }
  return result;
}
  • 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

0

"クックパッド"をwikiPediaで検索している様に思いますが、日本語以外でも発生しますか?
エラーを見る限りなんとなく無駄にUrlEncodeされてしまっている気がします。

UrlFetchを行うところで一旦UrlDecodeしたあげると上手く行ったりしませんか?根本対策ではないですが、、、

エラーが発生するときのURLを提示していただくと解決できるかもしれないですね。

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。

同じタグがついた質問を見る

  • Google Apps Script

    946questions

    Google Apps ScriptはGoogleの製品と第三者のサービスでタスクを自動化するためのJavaScriptのクラウドのスクリプト言語です。