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
85.50%
スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

XPath(XML Path)

XML Path Language (XPath; XMLパス言語)は、マークアップ言語 XML に準拠した文書の特定の部分を指定する言語構文の事をいいます。XPathはXMLとは別の構文を使用します。XMLドキュメントの抽象、論理ストラクチャ上で動作します。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

1回答

772閲覧

【python】XPathでのテキスト指定について

yud2131

総合スコア1

スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

XPath(XML Path)

XML Path Language (XPath; XMLパス言語)は、マークアップ言語 XML に準拠した文書の特定の部分を指定する言語構文の事をいいます。XPathはXMLとは別の構文を使用します。XMLドキュメントの抽象、論理ストラクチャ上で動作します。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2022/06/10 02:18

【目的】
スクレイピングで要素のテキストを取り出したい

【コード】
importは省略

chromedriver = 'chromedriver.exe' URL = 'https://www.makuake.com/project/taiyo19/communication/supporter/' chrome_service = fs.Service(executable_path=chromedriver) driver = webdriver.Chrome(service=chrome_service) driver.get(URL) sleep(3) #ブラウザの高さを取得 win_height = driver.execute_script('return window.innerHeight') #開始位置の初期値 last_top = 1 #ページ最下部までスクロールする(無限) while True: #スクロール前のページの高さを取得 last_height = driver.execute_script('return window.document.body.scrollHeight') #while分での開始位置の設定 top = last_top #html解析 all_date = [] all_user = [] all_coments = [] #取得したいテキスト全体 tags = driver.find_elements(By.XPATH, '//section[@class="post"]')  #1つひとつ要素を取り出しテキストへ for tag in tags: dates = tag.find_element(By.XPATH, '//p[@class="postUserNameDate"]') users = tag.find_element(By.XPATH, '//h5') coments = tag.find_element(By.XPATH, '//p[@class="postText-inner"]') all_date.append(dates.text) all_user.append(users.text) all_coments.append(coments.text) sleep(5) #ページを徐々にスクロールする while top < last_height: top += int(win_height * 0.8) driver.execute_script('window.scrollTo(0, %d)' % top) sleep(1) #スクロール後の高さの取得 sleep(1) new_last_height = driver.execute_script('window.document.body.scrollHeight') #同じ高さになったら終了 if last_height == new_last_height: driver.quit() break #開始地点の更新 last_top = last_height

【問題点】

tags = driver.find_elements(By.XPATH, '//section[@class="post"]') for tag in tags: dates = tag.find_element(By.XPATH, '//p[@class="postUserNameDate"]') users = tag.find_element(By.XPATH, '//h5') coments = tag.find_element(By.XPATH, '//p[@class="postText-inner"]') all_date.append(dates.text) all_user.append(users.text) all_coments.append(coments.text)

ここのコードで、tagsにはいくつかのオブジェクトが含まれており、

for tag in tags: print(tags.text)

とやると目的としたテキストがそれぞれ取得できています。

しかし、上記のようにXPATHで要素を指定するとすべて1つ目に取得した要素のテキストに変わってしまいます。
XPATHの'//タブ名[@属性名]'は対象とするタブで共通している部分になります

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

ベストアンサー

dates = tag.find_element(By.XPATH, '//p[@class="postUserNameDate"]')

XPath が // で始まる場合、文脈ノード tag は無視されてページの先頭からの検索になります。
.//p[... のように .// で始めるか、クラス名やCSSセレクタで find_element() しましょう。

投稿2022/06/10 02:32

int32_t

総合スコア20661

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。

yud2131

2022/06/10 05:38

ありがとうございまうす!!! 表示できるようになりました!!!
guest

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

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
85.50%

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