teratail
回答率
85.47%
質問するログイン新規登録
トップに関する質問Pythonクローリング＆スクレイピングのサンプルコードを実行したが、エラーが発生する

編集履歴

質問編集履歴

2

タイトルの変更

2017/08/17 06:30

投稿

nozomu.i
nozomu.i

スコア8

test CHANGED
@@ -1 +1 @@
1
- Pythonクローリング＆スクレイピングのサンプルコードを改変したがエラーが発生する
1
+ Pythonクローリング＆スクレイピングのサンプルコードを実行したが、エラーが発生する
test CHANGED
File without changes

1

書式の改善、詳細について記述

2017/08/17 06:30

投稿

nozomu.i
nozomu.i

スコア8

test CHANGED
File without changes
test CHANGED
@@ -4,77 +4,137 @@
4
4
 
5
5
  http://gihyo.jp/book/2017/978-4-7741-8367-1/support
6
6
 
7
- 上記のサンプルコードをダウンロードし、6-7のtabelogというプログラムを以下のように改変しましたが、エラーが起こりました。
7
+ 上記のサンプルコードをダウンロードし、6-7のtabelogというプログラムを実行しましたが、エラーが発生しました。
8
+
9
+
10
+
11
+
12
+
13
+ ###前提・実現したいこと
14
+
15
+ 食べログに掲載されている情報をcsvのリストにしたい。
8
16
 
9
17
 
10
18
 
11
19
  ###発生している問題・エラーメッセージ
12
20
 
13
- NozomuI-no-MacBook:6-7 nozomui$ scrapy crawl asos -o a.csv
21
+
22
+
23
+ ```
24
+
25
+ (scraping3.4) NozomuI-no-MacBook:6-7 nozomui$ scrapy crawl tabelog -o a.csv
26
+
27
+ 2017-08-17 15:08:56 [scrapy.utils.log] INFO: Scrapy 1.4.0 started (bot: myproject)
28
+
29
+ 2017-08-17 15:08:56 [scrapy.utils.log] INFO: Overridden settings: {'BOT_NAME': 'myproject', 'SPIDER_MODULES': ['myproject.spiders'], 'DOWNLOAD_DELAY': 1, 'FEED_FORMAT': 'csv', 'FEED_URI': 'a.csv', 'ROBOTSTXT_OBEY': True, 'NEWSPIDER_MODULE': 'myproject.spiders'}
30
+
31
+ 2017-08-17 15:08:56 [scrapy.middleware] INFO: Enabled extensions:
32
+
33
+ ['scrapy.extensions.feedexport.FeedExporter',
34
+
35
+ 'scrapy.extensions.memusage.MemoryUsage',
36
+
37
+ 'scrapy.extensions.logstats.LogStats',
38
+
39
+ 'scrapy.extensions.telnet.TelnetConsole',
40
+
41
+ 'scrapy.extensions.corestats.CoreStats']
42
+
43
+ 2017-08-17 15:08:56 [scrapy.middleware] INFO: Enabled downloader middlewares:
44
+
45
+ ['scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware',
46
+
47
+ 'scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware',
48
+
49
+ 'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware',
50
+
51
+ 'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware',
52
+
53
+ 'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware',
54
+
55
+ 'scrapy.downloadermiddlewares.retry.RetryMiddleware',
56
+
57
+ 'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware',
58
+
59
+ 'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware',
60
+
61
+ 'scrapy.downloadermiddlewares.redirect.RedirectMiddleware',
62
+
63
+ 'scrapy.downloadermiddlewares.cookies.CookiesMiddleware',
64
+
65
+ 'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware',
66
+
67
+ 'scrapy.downloadermiddlewares.stats.DownloaderStats']
68
+
69
+ 2017-08-17 15:08:56 [scrapy.middleware] INFO: Enabled spider middlewares:
70
+
71
+ ['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware',
72
+
73
+ 'scrapy.spidermiddlewares.offsite.OffsiteMiddleware',
74
+
75
+ 'scrapy.spidermiddlewares.referer.RefererMiddleware',
76
+
77
+ 'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware',
78
+
79
+ 'scrapy.spidermiddlewares.depth.DepthMiddleware']
80
+
81
+ 2017-08-17 15:08:56 [scrapy.middleware] INFO: Enabled item pipelines:
82
+
83
+ []
84
+
85
+ 2017-08-17 15:08:56 [scrapy.core.engine] INFO: Spider opened
86
+
87
+ 2017-08-17 15:08:56 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
88
+
89
+ 2017-08-17 15:08:56 [scrapy.extensions.telnet] DEBUG: Telnet console listening on 127.0.0.1:6026
90
+
91
+ 2017-08-17 15:08:57 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://tabelog.com/robots.txt> (referer: None)
92
+
93
+ 2017-08-17 15:08:58 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://tabelog.com/tokyo/rstLst/lunch/?LstCosT=2&RdoCosTp=1> (referer: None)
94
+
95
+ 2017-08-17 15:09:00 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://tabelog.com/tokyo/rstLst/lunch/2/?LstCosT=2&RdoCosTp=1> (referer: https://tabelog.com/tokyo/rstLst/lunch/?LstCosT=2&RdoCosTp=1)
96
+
97
+ 2017-08-17 15:09:00 [scrapy.dupefilters] DEBUG: Filtered duplicate request: <GET https://tabelog.com/tokyo/rstLst/lunch/2/?LstCosT=2&RdoCosTp=1> - no more duplicates will be shown (see DUPEFILTER_DEBUG to show all duplicates)
98
+
99
+ 2017-08-17 15:09:01 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://tabelog.com/tokyo/A1309/A130902/13000852/> (referer: https://tabelog.com/tokyo/rstLst/lunch/?LstCosT=2&RdoCosTp=1)
100
+
101
+ 2017-08-17 15:09:01 [scrapy.core.scraper] ERROR: Spider error processing <GET https://tabelog.com/tokyo/A1309/A130902/13000852/> (referer: https://tabelog.com/tokyo/rstLst/lunch/?LstCosT=2&RdoCosTp=1)
14
102
 
15
103
  Traceback (most recent call last):
16
104
 
17
- File "/Users/nozomui/.pyenv/versions/3.6.1/bin/scrapy", line 11, in <module>
18
-
19
- sys.exit(execute())
20
-
21
- File "/Users/nozomui/.pyenv/versions/3.6.1/lib/python3.6/site-packages/scrapy/cmdline.py", line 148, in execute
22
-
23
- cmd.crawler_process = CrawlerProcess(settings)
24
-
25
- File "/Users/nozomui/.pyenv/versions/3.6.1/lib/python3.6/site-packages/scrapy/crawler.py", line 243, in __init__
26
-
27
- super(CrawlerProcess, self).__init__(settings)
28
-
29
- File "/Users/nozomui/.pyenv/versions/3.6.1/lib/python3.6/site-packages/scrapy/crawler.py", line 134, in __init__
30
-
31
- self.spider_loader = _get_spider_loader(settings)
32
-
33
- File "/Users/nozomui/.pyenv/versions/3.6.1/lib/python3.6/site-packages/scrapy/crawler.py", line 330, in _get_spider_loader
34
-
35
- return loader_cls.from_settings(settings.frozencopy())
36
-
37
- File "/Users/nozomui/.pyenv/versions/3.6.1/lib/python3.6/site-packages/scrapy/spiderloader.py", line 61, in from_settings
38
-
39
- return cls(settings)
40
-
41
- File "/Users/nozomui/.pyenv/versions/3.6.1/lib/python3.6/site-packages/scrapy/spiderloader.py", line 25, in __init__
42
-
43
- self._load_all_spiders()
44
-
45
- File "/Users/nozomui/.pyenv/versions/3.6.1/lib/python3.6/site-packages/scrapy/spiderloader.py", line 47, in _load_all_spiders
46
-
47
- for module in walk_modules(name):
48
-
49
- File "/Users/nozomui/.pyenv/versions/3.6.1/lib/python3.6/site-packages/scrapy/utils/misc.py", line 71, in walk_modules
105
+ File "/Users/nozomui/.pyenv/versions/3.4.6/lib/python3.4/site-packages/scrapy/utils/defer.py", line 102, in iter_errback
106
+
50
-
107
+ yield next(it)
108
+
109
+ File "/Users/nozomui/.pyenv/versions/3.4.6/lib/python3.4/site-packages/scrapy/spidermiddlewares/offsite.py", line 29, in process_spider_output
110
+
111
+ for x in result:
112
+
113
+ File "/Users/nozomui/.pyenv/versions/3.4.6/lib/python3.4/site-packages/scrapy/spidermiddlewares/referer.py", line 339, in <genexpr>
114
+
115
+ return (_set_referer(r) for r in result or ())
116
+
117
+ File "/Users/nozomui/.pyenv/versions/3.4.6/lib/python3.4/site-packages/scrapy/spidermiddlewares/urllength.py", line 37, in <genexpr>
118
+
51
- submod = import_module(fullpath)
119
+ return (r for r in result or () if _filter(r))
120
+
52
-
121
+ File "/Users/nozomui/.pyenv/versions/3.4.6/lib/python3.4/site-packages/scrapy/spidermiddlewares/depth.py", line 58, in <genexpr>
122
+
123
+ return (r for r in result or () if _filter(r))
124
+
53
- File "/Users/nozomui/.pyenv/versions/3.6.1/lib/python3.6/importlib/__init__.py", line 126, in import_module
125
+ File "/Users/nozomui/.pyenv/versions/3.4.6/lib/python3.4/site-packages/scrapy/spiders/crawl.py", line 78, in _parse_response
54
-
126
+
55
- return _bootstrap._gcd_import(name[level:], package, level)
127
+ for requests_or_item in iterate_spider_output(cb_res):
56
-
57
- File "<frozen importlib._bootstrap>", line 978, in _gcd_import
128
+
58
-
59
- File "<frozen importlib._bootstrap>", line 961, in _find_and_load
60
-
61
- File "<frozen importlib._bootstrap>", line 950, in _find_and_load_unlocked
62
-
63
- File "<frozen importlib._bootstrap>", line 655, in _load_unlocked
64
-
65
- File "<frozen importlib._bootstrap_external>", line 678, in exec_module
66
-
67
- File "<frozen importlib._bootstrap>", line 205, in _call_with_frames_removed
68
-
69
- File "/Users/nozomui/Desktop/sample_codes/6-7/myproject/spiders/broad.py", line 4, in <module>
129
+ File "/Users/nozomui/scraping3.4/6-7/myproject/spiders/tabelog.py", line 38, in parse_restaurant
70
-
71
- from myproject.utils import get_content
130
+
72
-
73
- File "/Users/nozomui/Desktop/sample_codes/6-7/myproject/utils.py", line 4, in <module>
131
+ address=response.css('[rel="address"]').xpath('string()').extract_first().strip(),
74
-
75
- import readability
132
+
76
-
77
- ModuleNotFoundError: No module named 'readability'
133
+ AttributeError: 'NoneType' object has no attribute 'strip'
134
+
135
+ ^Z
136
+
137
+ [4]+ Stopped scrapy crawl tabelog -o a.csv
78
138
 
79
139
  ```
80
140
 
@@ -82,7 +142,7 @@
82
142
 
83
143
  ###該当のソースコード
84
144
 
85
- ```こ
145
+ ```python
86
146
 
87
147
  from scrapy.spiders import CrawlSpider, Rule
88
148
 
@@ -90,21 +150,27 @@
90
150
 
91
151
 
92
152
 
93
- from myproject.items import product
153
+ from myproject.items import Restaurant
94
-
95
-
96
-
97
-
98
-
154
+
155
+
156
+
157
+
158
+
99
- class AsosSpider(CrawlSpider):
159
+ class TabelogSpider(CrawlSpider):
100
-
160
+
101
- name = "asos"
161
+ name = "tabelog"
102
-
162
+
103
- allowed_domains = ["asos.com"]
163
+ allowed_domains = ["tabelog.com"]
104
164
 
105
165
  start_urls = (
106
166
 
167
+ # 東京の昼のランキングのURL。
168
+
169
+ # 普通にWebサイトを見ていると、もっとパラメーターが多くなるが、
170
+
171
+ # ページャーのリンクを見ると、値が0のパラメーターは省略できることがわかる。
172
+
107
- 'http://www.asos.com/women/new-in-clothing/cat/?cid=2623',
173
+ 'https://tabelog.com/tokyo/rstLst/lunch/?LstCosT=2&RdoCosTp=1',
108
174
 
109
175
  )
110
176
 
@@ -114,35 +180,53 @@
114
180
 
115
181
  # ページャーをたどる（最大9ページまで）。
116
182
 
183
+ # 正規表現の \d を \d+ に変えると10ページ目以降もたどれる。
184
+
117
- Rule(LinkExtractor(allow=r'http://www.asos.com/women/new-in-clothing/cat/?cid=2623&pge=\d')),
185
+ Rule(LinkExtractor(allow=r'/\w+/rstLst/lunch/\d/')),
118
-
186
+
119
- # 商品の詳細ページをパースする。
187
+ # レストランの詳細ページをパースする。
120
-
188
+
121
- Rule(LinkExtractor(allow=r'http://www.asos.com/prd/\d+'),
189
+ Rule(LinkExtractor(allow=r'/\w+/A\d+/A\d+/\d+/$'),
122
-
190
+
123
- callback='parse_product'),
191
+ callback='parse_restaurant'),
124
192
 
125
193
  ]
126
194
 
127
195
 
128
196
 
129
- def parse_product(self, response):
197
+ def parse_restaurant(self, response):
130
198
 
131
199
  """
132
200
 
133
- 商品の詳細ページをパースする。
201
+ レストランの詳細ページをパースする。
134
202
 
135
203
  """
136
204
 
205
+ # Google Static Mapsの画像のURLから緯度と経度を取得。
206
+
207
+ latitude, longitude = response.css(
208
+
209
+ 'img.js-map-lazyload::attr("data-original")').re(
210
+
211
+ r'markers=.*?%7C([\d.]+),([\d.]+)')
212
+
213
+
214
+
137
- # キーの値を指定してproductオブジェクトを作成。
215
+ # キーの値を指定してRestaurantオブジェクトを作成。
138
-
216
+
139
- item = product(
217
+ item = Restaurant(
218
+
140
-
219
+ name=response.css('.display-name').xpath('string()').extract_first().strip(),
220
+
141
- name=response.css('#aside-content > div.product-hero > h1').xpath('string()').extract_first().strip(),
221
+ address=response.css('[rel="address"]').xpath('string()').extract_first().strip(),
222
+
142
-
223
+ latitude=latitude,
224
+
225
+ longitude=longitude,
226
+
227
+ station=response.css('dt:contains("最寄り駅")+dd span::text').extract_first(),
228
+
143
- price=response.css('#product-price > div > span.current-price').xpath('string()').extract_first().strip(),
229
+ score=response.css('[rel="v:rating"] span::text').extract_first(),
144
-
145
-
146
230
 
147
231
  )
148
232
 
@@ -153,3 +237,9 @@
153
237
 
154
238
 
155
239
  ```
240
+
241
+
242
+
243
+ ###試したこと
244
+
245
+ python3.4.6で実行しました。scrapyのバージョンは1.4.0です。