競馬情報をpython,beautifulsoupでスクレイピングしていますが、for文のxrangeの数の指定の違いでエラーが発生して困っています！

Question

netkeiba.comで競馬情報のスクレイピングをしておりますが、for文のxrangeの数の指定の違いでエラーが発生して困っています。

# -*- coding:utf-8 -*-

import urllib2
import codecs
import time
from bs4 import BeautifulSoup

f = codecs.open('h2011_5.csv', 'w', 'utf-8')
f.write('horse_name_1,horse_name_2'+u"\n")

horse_name = ""
start_url = 'http://db.netkeiba.com/horse/201110000{0}/'     

for i in xrange(1,10):
    url = start_url.format(i)
    soup = BeautifulSoup(urllib2.urlopen(url).read(), "lxml")
    time.sleep(2)
        
    horse_name_tag = soup.find('div', class_='horse_title')
    horse_name_tag_1 = horse_name_tag.find('h1').text
    horse_name_2 = horse_name_tag.find('p', class_='txt_01').text
    horse_name_1 = horse_name_tag_1.find('h1')
    horse_name_1 = "".join(
                [x for x in horse_name_tag_1 if not x == u'\xa0' and not x == u'\n'])

    print horse_name_1.strip(),horse_name_2.strip()
    cols = [horse_name_1,horse_name_2]
    f.write(",".join(cols) + "\n")


f.close()

上記のソースコードはうまく動きますが、下記のソースコードはエラーが発生してしまいます。

# -*- coding:utf-8 -*-

import urllib2
import codecs
import time
from bs4 import BeautifulSoup

f = codecs.open('h2011_6.csv', 'w', 'utf-8')
f.write('horse_name_1,horse_name_2'+u"\n")

horse_name = ""
start_url = 'http://db.netkeiba.com/horse/20111000{0}/'

for i in xrange(1,100):
    url = start_url.format(i)
    soup = BeautifulSoup(urllib2.urlopen(url).read(), "lxml")
    time.sleep(2)
        
    horse_name_tag = soup.find('div', class_='horse_title')
    horse_name_tag_1 = horse_name_tag.find('h1').text
    horse_name_2 = horse_name_tag.find('p', class_='txt_01').text
    horse_name_1 = horse_name_tag_1.find('h1')
    horse_name_1 = "".join(
                [x for x in horse_name_tag_1 if not x == u'\xa0' and not x == u'\n'])

    print horse_name_1.strip(),horse_name_2.strip()
    cols = [horse_name_1,horse_name_2]
    f.write(",".join(cols) + "\n")


f.close()

この２つのソースコードの違いはfor文のxrangeの数の指定の違いだけでございます。
下記のようなエラーメッセージが出ます。

C:\Users\satoru\horse\horse>horse_scan_2011_3.py
Traceback (most recent call last):
  File "C:\Users\satoru\horse\horse\horse_scan_2011_3.py", line 23, in <module>
    horse_name_tag_1 = horse_name_tag.find('h1').text
AttributeError: 'NoneType' object has no attribute 'find'

for文のxrangeの数の指定の違いで上記のエラーが発生する理由が分からず、困っております。

御教示、よろしくお願いいたします。

Answer 1

soup.find('div', class_='horse_title') で該当のURLに "horse_title" クラスの要素が見つからなかったのに、そのまま処理を突き進めているためエラーが起きています。きちんとエラー判定を入れてください。

---

また、生成しているURLについてですが、iが1〜9のうちは良いのですが、10以上の場合

http://db.netkeiba.com/horse/20111000010/
http://db.netkeiba.com/horse/20111000011/
･･･

と桁が増えてしまっていますが、

http://db.netkeiba.com/horse/2011100010/
http://db.netkeiba.com/horse/2011100011/
･･･

の間違いではないでしょうか？確認してみてください。

Comments

[akakage13]

大変、初歩的なミスでした。miyahan様、ありがとうございました。