teratail header banner
teratail header banner
質問するログイン新規登録

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
85.30%
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。

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。

pandas

Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

Q&A

解決済

1回答

1790閲覧

スクレイピングで"pd.read_html()"を使いたいがURLで目的のページを指定できない

sauna0110

総合スコア10

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。

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。

pandas

Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

0グッド

0クリップ

投稿2022/02/24 10:03

編集2022/02/24 10:38

0

0

前提・実現したいこと

自社サイトhtmlから「pd.read_htmlで表をスクレイピングするプログラム」を作っています。
seleniumを使用していますが、要件③"pd.read_htmlで表を取得する"が実現できず困っています。

【要件】
①basic認証が必要な自社サイトにログイン(実現完了)
②目的のウェブページにたどり着くため、データの絞り込みのため、キーワード入力と検索ボタンを自動で押す動作(実現完了)

ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
③「この時点で表示されているwebページに対して」"pd.read_html"を使い、表を取得したい。がうまくいかない

発生している問題・エラーメッセージ

pd.read_html(url)を使いたいが、「②の直後のHTMLがURLとして指定できない」ので他の方法を調べてもよくわからない。
そもそも認証ではじかれてしまう。

raise HTTPError(req.full_url, code, msg, hdrs, fp) urllib.error.HTTPError: HTTP Error 401: Authorization Required

試したこと

イメージ説明
↑①の直後

ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

イメージ説明
↑②の直後

■■**③ここでpd.read_html(url)を使いたいが、「②の直後のHTMLがURLとして指定できない」ので上手くいかない*■■

data frameでスクレイピングしたいので、無理やり"pd.read_html(url)"を使おうとしていますが、ほかの方法があるのでしょうか。

ご教授いただければ幸いです。

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

html = driver.page_source#今ブラウザで表示されているページを選択することができる。
df=pd.read_html(html)#表をスクレイピングできる。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
上記で解決できました!
pd.read_html()の引数はhtmlも受け付けるそうです!

投稿2022/03/03 09:04

sauna0110

総合スコア10

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

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
85.30%

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