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
85.48%
Google Apps Script

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。

Q&A

1回答

4683閲覧

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

退会済みユーザー

退会済みユーザー

総合スコア0

Google Apps Script

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。

0グッド

0クリップ

投稿2017/02/23 18:26

###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

"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2017/02/23 23:27

hikochang

総合スコア648

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。

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

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

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
85.48%

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る

質問する

関連した質問