質問編集履歴
4
タイトルを変更しました
test
CHANGED
|
@@ -1 +1 @@
|
|
|
1
|
-
WEBスクレイピング beautifulsoup4
|
|
1
|
+
WEBスクレイピング beautifulsoup4 ページを変遷し情報取得するもページを残し終わってしまう
|
test
CHANGED
|
File without changes
|
3
実現したいこと、問題点等わかりやすく修正しました。また、ソースコードも余計なものは省きました
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -1,289 +1,199 @@
|
|
|
1
1
|
### 前提・実現したいこと
|
|
2
2
|
|
|
3
|
-
DMMぱちタウンからスロットの遊技機情報をWEBスクレイピングで取得し
|
|
3
|
+
DMMぱちタウンからスロットの遊技機情報をWEBスクレイピングで取得したい。
|
|
4
|
-
|
|
5
|
-
|
|
4
|
+
|
|
6
|
-
|
|
7
|
-
スロットの全機種の情報取得(メーカーID、メーカ名、機種ID、機種名～機種概要)
|
|
5
|
+
→スロットの全機種の情報取得(メーカーID、メーカ名、機種ID、機種名～機種概要)
|
|
8
|
-
|
|
6
|
+
|
|
9
|
-
|
|
7
|
+
<取得イメージ>
|
|
8
|
+
|
|
10
|
-
|
|
9
|
+
1.3491:https://p-town.dmm.com/machines/3491
|
|
10
|
+
|
|
11
|
+
[['3491', 'タマどき！', '4', 'JPS', '97.2%〜105.6%', '2019/10上旬予定', 'コンサートホールグループでのみ打つことができるオリジナルパチスロが、この『タマどき！』。擬似ボーナスを搭載したAT機となっており、リール左右の花が
|
|
12
|
+
|
|
13
|
+
光ればボーナス確定だ。ボーナス後の32G間はボーナスの引き戻しに期待でき、最大ループ率は約90%と大量出玉への期待が膨らむ仕様となっている。花の光り方で滞在モードを示唆しているので、ここにも注目しておこう。', '']]･･･以下続く
|
|
14
|
+
|
|
15
|
+
|
|
16
|
+
|
|
11
|
-
|
|
17
|
+
###できていること
|
|
12
|
-
|
|
13
|
-
|
|
18
|
+
|
|
14
|
-
|
|
15
|
-
|
|
19
|
+
上記イメージ通り、スロット機種情報の取得はできています。
|
|
20
|
+
|
|
21
|
+
|
|
22
|
+
|
|
16
|
-
|
|
23
|
+
###できていないこと
|
|
24
|
+
|
|
25
|
+
ループはできていますが、400機種目（20ページ目の最後の機種）で終わってしまいます。
|
|
26
|
+
|
|
27
|
+
|
|
28
|
+
|
|
17
|
-
|
|
29
|
+
### 実現したいこと
|
|
18
|
-
|
|
19
|
-
|
|
30
|
+
|
|
20
|
-
|
|
21
|
-
|
|
31
|
+
全ページを横断し、スロット全機種の情報を取得したい。
|
|
22
|
-
|
|
23
|
-
|
|
24
|
-
|
|
25
|
-
ご協力お願いいたします。
|
|
26
|
-
|
|
27
|
-
|
|
28
|
-
|
|
29
|
-
### 発生している問題・エラーメッセージ
|
|
30
32
|
|
|
31
33
|
エラーも特に出ていませんが、400機種を取得後にループを抜けて処理が終わってしまい、対応策が見つからず苦慮しております。
|
|
32
34
|
|
|
35
|
+
### 該当のソースコード（余計なものは省きました）
|
|
36
|
+
|
|
37
|
+
```python3
|
|
38
|
+
|
|
39
|
+
import requests
|
|
40
|
+
|
|
41
|
+
import random
|
|
42
|
+
|
|
43
|
+
import time
|
|
44
|
+
|
|
45
|
+
import re
|
|
46
|
+
|
|
47
|
+
from bs4 import BeautifulSoup
|
|
48
|
+
|
|
49
|
+
|
|
50
|
+
|
|
51
|
+
if __name__ == "__main__":
|
|
52
|
+
|
|
53
|
+
|
|
54
|
+
|
|
55
|
+
#requestsを使って、webから取得
|
|
56
|
+
|
|
57
|
+
base_url = 'https://p-town.dmm.com/machines'
|
|
58
|
+
|
|
59
|
+
target_url = '/slot'
|
|
60
|
+
|
|
61
|
+
r = requests.get(base_url + target_url)
|
|
62
|
+
|
|
63
|
+
soup = BeautifulSoup(r.text, 'lxml')
|
|
64
|
+
|
|
65
|
+
|
|
66
|
+
|
|
67
|
+
# データカラム定義
|
|
68
|
+
|
|
69
|
+
col_list = ['機種ID', '機種名', 'メーカーID', 'メーカー名', '機械割', '導入開始日', '機種概要', '取得日時']
|
|
70
|
+
|
|
71
|
+
num = 0
|
|
72
|
+
|
|
73
|
+
csv_list = []
|
|
74
|
+
|
|
75
|
+
#機種IDループ
|
|
76
|
+
|
|
77
|
+
for link_ in soup.find_all('a', class_='link', href=re.compile(r'/machines/' + '\d+')):
|
|
78
|
+
|
|
79
|
+
machine_url = link_.attrs.get('href')
|
|
80
|
+
|
|
81
|
+
machine_id = machine_url.rsplit('/', 1)[1]
|
|
82
|
+
|
|
83
|
+
selector = 'body > div.o-layout > div > div > main > section li'
|
|
84
|
+
|
|
85
|
+
nextpage = True
|
|
86
|
+
|
|
87
|
+
while nextpage:
|
|
88
|
+
|
|
89
|
+
# 次ページ有無チェック
|
|
90
|
+
|
|
91
|
+
for pages_ in soup.select(selector):
|
|
92
|
+
|
|
93
|
+
if pages_.attrs.get('class')[0] == 'item':
|
|
94
|
+
|
|
95
|
+
if pages_.text == '>':
|
|
96
|
+
|
|
97
|
+
if pages_.get('href') is not None:
|
|
98
|
+
|
|
99
|
+
nextpage = True
|
|
100
|
+
|
|
101
|
+
break
|
|
102
|
+
|
|
103
|
+
else:
|
|
104
|
+
|
|
105
|
+
nextpage = False
|
|
106
|
+
|
|
107
|
+
# 遊技機情報ループ
|
|
108
|
+
|
|
109
|
+
for pages_ in soup.select(selector):
|
|
110
|
+
|
|
111
|
+
machine_list = ['','','','','','','','']
|
|
112
|
+
|
|
113
|
+
if pages_.attrs.get('class')[0] == 'unit':
|
|
114
|
+
|
|
115
|
+
num += 1
|
|
116
|
+
|
|
117
|
+
target_url = pages_.next_element.attrs.get('href')
|
|
118
|
+
|
|
119
|
+
machine_id = target_url.rsplit('/', 1)[1]
|
|
120
|
+
|
|
121
|
+
machine_list[0] = machine_id
|
|
122
|
+
|
|
123
|
+
time.sleep(random.randint(1, 3)) #スリープ(1秒～3秒)
|
|
124
|
+
|
|
125
|
+
r2 = requests.get(base_url + '/' + machine_id)
|
|
126
|
+
|
|
127
|
+
soup2 = BeautifulSoup(r2.text, 'lxml')
|
|
128
|
+
|
|
129
|
+
print(str(num)+ '.'+ machine_id + ':' + base_url + '/' + machine_id)
|
|
130
|
+
|
|
131
|
+
#機種名取得
|
|
132
|
+
|
|
133
|
+
for title in soup2.select('h1[class="title"]'):
|
|
134
|
+
|
|
135
|
+
machine_name = title.get_text(strip=True)
|
|
136
|
+
|
|
137
|
+
machine_list[1] = machine_name
|
|
138
|
+
|
|
139
|
+
for tr in soup2.select('table[class="default-table"] tr'):
|
|
140
|
+
|
|
141
|
+
# 'tr'要素から'th'をpopして項目名を取得
|
|
142
|
+
|
|
143
|
+
th_ = tr.find_all("th").pop(0).get_text(strip=True).upper()
|
|
144
|
+
|
|
145
|
+
# 'tr'要素から'td'をpopしてデータを取得
|
|
146
|
+
|
|
147
|
+
td_ = tr.find_all("td").pop(0).get_text(strip=True)
|
|
148
|
+
|
|
149
|
+
if th_ == 'メーカー名':
|
|
150
|
+
|
|
151
|
+
try:
|
|
152
|
+
|
|
153
|
+
makers = tr.find_all('a', class_='textlink').pop(0).attrs['href']
|
|
154
|
+
|
|
155
|
+
makers = makers.rsplit('/', 1)[1]
|
|
156
|
+
|
|
157
|
+
except IndexError:
|
|
158
|
+
|
|
159
|
+
makers = -1
|
|
160
|
+
|
|
161
|
+
machine_list[2] = makers
|
|
162
|
+
|
|
163
|
+
machine_list[col_list.index(th_)] = td_
|
|
164
|
+
|
|
165
|
+
csv_list.append(machine_list)
|
|
166
|
+
|
|
167
|
+
#print(csv_list)
|
|
168
|
+
|
|
169
|
+
# 次ページ読込、なければループ終了
|
|
170
|
+
|
|
171
|
+
elif pages_.attrs.get('class')[0] == 'item':
|
|
172
|
+
|
|
173
|
+
if pages_.text == '>':
|
|
174
|
+
|
|
175
|
+
if pages_.next.attrs.get('href') is not None:
|
|
176
|
+
|
|
177
|
+
target_url = pages_.next.attrs.get('href')
|
|
178
|
+
|
|
179
|
+
r = requests.get(target_url)
|
|
180
|
+
|
|
181
|
+
soup = BeautifulSoup(r.text, 'lxml')
|
|
182
|
+
|
|
183
|
+
else:
|
|
184
|
+
|
|
185
|
+
nextpage = False
|
|
186
|
+
|
|
187
|
+
break
|
|
188
|
+
|
|
189
|
+
|
|
190
|
+
|
|
33
191
|
```
|
|
34
192
|
|
|
35
193
|
|
|
36
194
|
|
|
37
|
-
```
|
|
38
|
-
|
|
39
|
-
### 該当のソースコード
|
|
40
|
-
|
|
41
|
-
|
|
42
|
-
|
|
43
|
-
```python3
|
|
44
|
-
|
|
45
|
-
import requests
|
|
46
|
-
|
|
47
|
-
import logging
|
|
48
|
-
|
|
49
|
-
import random
|
|
50
|
-
|
|
51
|
-
import time
|
|
52
|
-
|
|
53
|
-
import re
|
|
54
|
-
|
|
55
|
-
import csv
|
|
56
|
-
|
|
57
|
-
from bs4 import BeautifulSoup
|
|
58
|
-
|
|
59
|
-
from os import chdir, path
|
|
60
|
-
|
|
61
|
-
from datetime import datetime, timedelta, timezone
|
|
62
|
-
|
|
63
|
-
|
|
64
|
-
|
|
65
|
-
if __name__ == "__main__":
|
|
66
|
-
|
|
67
|
-
|
|
68
|
-
|
|
69
|
-
# タイムゾーンの生成
|
|
70
|
-
|
|
71
|
-
JST = timezone(timedelta(hours=+9), 'JST')
|
|
72
|
-
|
|
73
|
-
|
|
74
|
-
|
|
75
|
-
# カレントディレクトリをスクリプトパスに変更
|
|
76
|
-
|
|
77
|
-
chdir(path.dirname(__file__))
|
|
78
|
-
|
|
79
|
-
|
|
80
|
-
|
|
81
|
-
# ベースとなる出力ファイル名を定義
|
|
82
|
-
|
|
83
|
-
out_file_base = path.splitext(path.basename(__file__))[0]
|
|
84
|
-
|
|
85
|
-
out_file_base = out_file_base + '_{0:%Y%m%d}_{0:%H%M%S}'.format(datetime.now(JST))
|
|
86
|
-
|
|
87
|
-
|
|
88
|
-
|
|
89
|
-
# ログファイル名を定義
|
|
90
|
-
|
|
91
|
-
log_file_name = path.splitext(path.basename(__file__))[0] + '_log'
|
|
92
|
-
|
|
93
|
-
log_file_name = log_file_name + '_{0:%Y%m%d}'.format(datetime.now(JST)) + '.log'
|
|
94
|
-
|
|
95
|
-
# フォーマットを定義
|
|
96
|
-
|
|
97
|
-
formatter = '%(asctime)s : %(levelname)s : %(message)s'
|
|
98
|
-
|
|
99
|
-
# ログレベルを DEBUG に変更
|
|
100
|
-
|
|
101
|
-
#logging.basicConfig(level=logging.DEBUG)
|
|
102
|
-
|
|
103
|
-
logging.basicConfig(format=formatter, filename=log_file_name, level=logging.INFO)
|
|
104
|
-
|
|
105
|
-
#logging.basicConfig(level=logging.DEBUG, format=formatter)
|
|
106
|
-
|
|
107
|
-
|
|
108
|
-
|
|
109
|
-
# User-Agent をIE11に偽装する
|
|
110
|
-
|
|
111
|
-
headers = {
|
|
112
|
-
|
|
113
|
-
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko'
|
|
114
|
-
|
|
115
|
-
}
|
|
116
|
-
|
|
117
|
-
|
|
118
|
-
|
|
119
|
-
#requestsを使って、webから取得
|
|
120
|
-
|
|
121
|
-
base_url = 'https://p-town.dmm.com/machines'
|
|
122
|
-
|
|
123
|
-
target_url = '/slot'
|
|
124
|
-
|
|
125
|
-
r = requests.get(base_url + target_url, headers=headers)
|
|
126
|
-
|
|
127
|
-
soup = BeautifulSoup(r.text, 'lxml')
|
|
128
|
-
|
|
129
|
-
|
|
130
|
-
|
|
131
|
-
# データカラム定義
|
|
132
|
-
|
|
133
|
-
col_list = ['機種ID', '機種名', 'メーカーID', 'メーカー名', '機械割', '導入開始日', '機種概要', '取得日時']
|
|
134
|
-
|
|
135
|
-
num = 0
|
|
136
|
-
|
|
137
|
-
csv_list = []
|
|
138
|
-
|
|
139
|
-
#機種IDループ
|
|
140
|
-
|
|
141
|
-
for link_ in soup.find_all('a', class_='link', href=re.compile(r'/machines/' + '\d+')):
|
|
142
|
-
|
|
143
|
-
#csv_list = []
|
|
144
|
-
|
|
145
|
-
machine_url = link_.attrs.get('href')
|
|
146
|
-
|
|
147
|
-
machine_id = machine_url.rsplit('/', 1)[1]
|
|
148
|
-
|
|
149
|
-
logging.info('%s %s', '[' + machine_id + ']:', base_url + '/' + machine_id)
|
|
150
|
-
|
|
151
|
-
selector = 'body > div.o-layout > div > div > main > section li'
|
|
152
|
-
|
|
153
|
-
nextpage = True
|
|
154
|
-
|
|
155
|
-
while nextpage:
|
|
156
|
-
|
|
157
|
-
# 次ページ有無チェック
|
|
158
|
-
|
|
159
|
-
for pages_ in soup.select(selector):
|
|
160
|
-
|
|
161
|
-
if pages_.attrs.get('class')[0] == 'item':
|
|
162
|
-
|
|
163
|
-
if pages_.text == '>':
|
|
164
|
-
|
|
165
|
-
if pages_.get('href') is not None:
|
|
166
|
-
|
|
167
|
-
nextpage = True
|
|
168
|
-
|
|
169
|
-
break
|
|
170
|
-
|
|
171
|
-
else:
|
|
172
|
-
|
|
173
|
-
nextpage = False
|
|
174
|
-
|
|
175
|
-
# 遊技機情報ループ
|
|
176
|
-
|
|
177
|
-
for pages_ in soup.select(selector):
|
|
178
|
-
|
|
179
|
-
machine_list = ['','','','','','','','']
|
|
180
|
-
|
|
181
|
-
if pages_.attrs.get('class')[0] == 'unit':
|
|
182
|
-
|
|
183
|
-
num += 1
|
|
184
|
-
|
|
185
|
-
target_url = pages_.next_element.attrs.get('href')
|
|
186
|
-
|
|
187
|
-
machine_id = target_url.rsplit('/', 1)[1]
|
|
188
|
-
|
|
189
|
-
machine_list[0] = machine_id
|
|
190
|
-
|
|
191
|
-
time.sleep(random.randint(1, 3)) #スリープ(1秒～3秒)
|
|
192
|
-
|
|
193
|
-
r2 = requests.get(base_url + '/' + machine_id, headers=headers)
|
|
194
|
-
|
|
195
|
-
get_date = datetime.now(JST)
|
|
196
|
-
|
|
197
|
-
soup2 = BeautifulSoup(r2.text, 'lxml')
|
|
198
|
-
|
|
199
|
-
logging.info('%s %s', str(num) + '[' + machine_id + ']:', base_url + '/' + machine_id)
|
|
200
|
-
|
|
201
|
-
print(str(num)+ '.'+ machine_id + ':' + base_url + '/' + machine_id)
|
|
202
|
-
|
|
203
|
-
#機種名取得
|
|
204
|
-
|
|
205
|
-
for title in soup2.select('h1[class="title"]'):
|
|
206
|
-
|
|
207
|
-
machine_name = title.get_text(strip=True)
|
|
208
|
-
|
|
209
|
-
machine_list[1] = machine_name
|
|
210
|
-
|
|
211
|
-
for tr in soup2.select('table[class="default-table"] tr'):
|
|
212
|
-
|
|
213
|
-
# 'tr'要素から'th'をpopして項目名を取得
|
|
214
|
-
|
|
215
|
-
th_ = tr.find_all("th").pop(0).get_text(strip=True).upper()
|
|
216
|
-
|
|
217
|
-
# 'tr'要素から'td'をpopしてデータを取得
|
|
218
|
-
|
|
219
|
-
td_ = tr.find_all("td").pop(0).get_text(strip=True)
|
|
220
|
-
|
|
221
|
-
if th_ == 'メーカー名':
|
|
222
|
-
|
|
223
|
-
try:
|
|
224
|
-
|
|
225
|
-
makers = tr.find_all('a', class_='textlink').pop(0).attrs['href']
|
|
226
|
-
|
|
227
|
-
makers = makers.rsplit('/', 1)[1]
|
|
228
|
-
|
|
229
|
-
except IndexError:
|
|
230
|
-
|
|
231
|
-
makers = -1
|
|
232
|
-
|
|
233
|
-
machine_list[2] = makers
|
|
234
|
-
|
|
235
|
-
machine_list[col_list.index(th_)] = td_
|
|
236
|
-
|
|
237
|
-
machine_list[col_list.index('取得日時')] = get_date.strftime('%Y-%m-%dT%H:%M:%S%z')
|
|
238
|
-
|
|
239
|
-
csv_list.append(machine_list)
|
|
240
|
-
|
|
241
|
-
#print(csv_list)
|
|
242
|
-
|
|
243
|
-
# 次ページ読込、なければループ終了
|
|
244
|
-
|
|
245
|
-
elif pages_.attrs.get('class')[0] == 'item':
|
|
246
|
-
|
|
247
|
-
if pages_.text == '>':
|
|
248
|
-
|
|
249
|
-
if pages_.next.attrs.get('href') is not None:
|
|
250
|
-
|
|
251
|
-
target_url = pages_.next.attrs.get('href')
|
|
252
|
-
|
|
253
|
-
r = requests.get(target_url, headers=headers)
|
|
254
|
-
|
|
255
|
-
soup = BeautifulSoup(r.text, 'lxml')
|
|
256
|
-
|
|
257
|
-
else:
|
|
258
|
-
|
|
259
|
-
nextpage = False
|
|
260
|
-
|
|
261
|
-
break
|
|
262
|
-
|
|
263
|
-
# CSVファイル出力
|
|
264
|
-
|
|
265
|
-
csv_file = out_file_base + '_' + '.csv'
|
|
266
|
-
|
|
267
|
-
csvFields = col_list
|
|
268
|
-
|
|
269
|
-
with open(csv_file, 'w', newline='', errors='replace', encoding='sjis') as f:
|
|
270
|
-
|
|
271
|
-
writer = csv.writer(f, quoting=csv.QUOTE_NONNUMERIC)
|
|
272
|
-
|
|
273
|
-
writer.writerow(csvFields)
|
|
274
|
-
|
|
275
|
-
writer.writerows(csv_list)
|
|
276
|
-
|
|
277
|
-
|
|
278
|
-
|
|
279
|
-
```
|
|
280
|
-
|
|
281
|
-
|
|
282
|
-
|
|
283
195
|
### 試したこと
|
|
284
196
|
|
|
285
|
-
|
|
286
|
-
|
|
287
197
|
スロット機種情報の20ページ目に何か原因があると思い、20ページ目から情報を取得したところ、特に問題なくループしたので
|
|
288
198
|
|
|
289
199
|
ページそのものに何かあるわけではなさそうです。
|
2
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -2,6 +2,30 @@
|
|
|
2
2
|
|
|
3
3
|
DMMぱちタウンからスロットの遊技機情報をWEBスクレイピングで取得し、CSV出力をしようとソースコードを作成しております。
|
|
4
4
|
|
|
5
|
+
■実現したいこと
|
|
6
|
+
|
|
7
|
+
スロットの全機種の情報取得(メーカーID、メーカ名、機種ID、機種名～機種概要)
|
|
8
|
+
|
|
9
|
+
CSVファイルに保存
|
|
10
|
+
|
|
11
|
+
■できていること
|
|
12
|
+
|
|
13
|
+
機種情報の取得～CSVファイル保存まで。
|
|
14
|
+
|
|
15
|
+
ただし、400機種分までしか取得できていないです。
|
|
16
|
+
|
|
17
|
+
■解決したいこと
|
|
18
|
+
|
|
19
|
+
スロット全機種の情報取得～CSVファイル保存までです。エラーが出ていませんが400機種で処理が終わってしまいます。
|
|
20
|
+
|
|
21
|
+
ループ処理がうまくいってないのでしょうか。
|
|
22
|
+
|
|
23
|
+
|
|
24
|
+
|
|
25
|
+
ご協力お願いいたします。
|
|
26
|
+
|
|
27
|
+
|
|
28
|
+
|
|
5
29
|
### 発生している問題・エラーメッセージ
|
|
6
30
|
|
|
7
31
|
エラーも特に出ていませんが、400機種を取得後にループを抜けて処理が終わってしまい、対応策が見つからず苦慮しております。
|
1
誤字を修正いたしました。
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -1,6 +1,6 @@
|
|
|
1
1
|
### 前提・実現したいこと
|
|
2
2
|
|
|
3
|
-
DMMぱちタウンからスロットの遊技機情報をWEBスクレイピングで取得し、CSV出力をしよう
|
|
3
|
+
DMMぱちタウンからスロットの遊技機情報をWEBスクレイピングで取得し、CSV出力をしようとソースコードを作成しております。
|
|
4
4
|
|
|
5
5
|
### 発生している問題・エラーメッセージ
|
|
6
6
|
|