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
85.46%
HTML5

HTML5 (Hyper Text Markup Language、バージョン 5)は、マークアップ言語であるHTMLの第5版です。

Visual Studio

Microsoft Visual StudioはMicrosoftによる統合開発環境(IDE)です。多種多様なプログラミング言語に対応しています。

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

1回答

1209閲覧

スクレイピングで画像の収集, Incorrect paddingのエラーの直し方

Michiko

総合スコア8

HTML5

HTML5 (Hyper Text Markup Language、バージョン 5)は、マークアップ言語であるHTMLの第5版です。

Visual Studio

Microsoft Visual StudioはMicrosoftによる統合開発環境(IDE)です。多種多様なプログラミング言語に対応しています。

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2022/08/12 05:39

編集2022/08/18 14:45

前提

Visual Studio 2022
Python 3.9

実現したいこと

カリモク コモンズ トウキョウで、10代が考える「動く家」をテーマにした展示会を開催
https://www.elle.com/jp/decor/decor-interior-design/a40735952/karimoku-commons-tokyo-mobile-house22-07/

上記サイトに掲載されている写真3枚をスクレイピングで収集したいです。

昨日、Data URLをdecodeする方法を教えていただき、それを含めたコードでまたエラーが出ました。

プログラミングの勉強を始めて日が浅く、Webの知識が少ないためか、画像のスクレイピングが難しく感じます。

自己解決できなかったので、
ご教授いただけましたら幸いです。

該当のソースコード

Data URLの文字数をカウントし、4で割り切れないことがわかったので
encoded=base64.urlsafe_b64decode (src + '=' * (-len(src) % 4))
を入れたのですが、同じエラーが出ました。
上のコードを入れたことで、文字数が78から、56に減りました。
(src + '=' * (-len(src) % 4)の部分で、==を2つ入れて、80にしたかったのですが...
お忙しい中恐縮ですが、
教えていただけると幸いです。

Python

1 2import base64 3import requests 4from bs4 import BeautifulSoup 5from pathlib import Path 6import urllib 7import time 8from base64 import b64decode 9 10 11load_url = "https://www.elle.com/jp/decor/decor-interior-design/a40735952/karimoku-commons-tokyo-mobile-house22-07/" 12html = requests.get(load_url) 13soup=BeautifulSoup(html.content, "html.parser") 14 15out_folder = Path("Download") 16out_folder.mkdir(exist_ok = True) 17 18for element in soup.find_all("img"): 19 src = element.get("src") 20 encoded=base64.urlsafe_b64decode (src + '=' * (-len(src) % 4)) 21 decode_data=b64decode(encoded) 22 filename = src.split("/")[-1] 23 out_path = out_folder.joinpath(filename) 24 with open(filename, mode = "wb") as f: 25 f.write(decode_data) 26 time.sleep(1) 27 28

エラー内容

Incorrect padding

試したこと

python

1 2import requests 3from bs4 import BeautifulSoup 4from pathlib import Path 5import urllib 6import time 7from base64 import b64decode 8 9 10load_url = "https://www.elle.com/jp/decor/decor-interior-design/a40735952/karimoku-commons-tokyo-mobile-house22-07/" 11html = requests.get(load_url) 12soup=BeautifulSoup(html.content, "html.parser") 13 14out_folder = Path("Download") 15out_folder.mkdir(exist_ok = True) 16 17for element in soup.find_all("source"): 18 src = element.get("data-src") 19 header, encoded = src.split(",",1) 20 decode_data=b64decode(encoded) 21 filename = "test_0818" 22 out_path = out_folder.joinpath(filename) 23 with open(filename, mode = "wb") as f: 24 f.write(decode_data) 25 time.sleep(1) 26
Message='NoneType' object has no attribute 'split'

python

1 2import requests 3from bs4 import BeautifulSoup 4from pathlib import Path 5import urllib 6import time 7from base64 import b64decode 8 9 10load_url = "https://www.elle.com/jp/decor/decor-interior-design/a40735952/karimoku-commons-tokyo-mobile-house22-07/" 11html = requests.get(load_url) 12soup=BeautifulSoup(html.content, "html.parser") 13 14out_folder = Path("Download") 15out_folder.mkdir(exist_ok = True) 16 17for element in soup.find_all("source"): 18 src = element.get("data-src") 19 image_url=urllib.parse.urljoin(load_url, src) 20 imgdata = requests.get(image_url) 21 filename = "test_0818" 22 out_path = out_folder.joinpath(filename) 23 with open(filename, mode = "wb") as f: 24 f.write(imgdata.content) 25 time.sleep(1) 26

画像として表示されません

補足情報(FW/ツールのバージョンなど)

下記を参考にしました。
森巧尚, Python 2年生 スクレイピングのしくみ
https://stackoverflow.com/questions/33870538/how-to-parse-data-uri-in-python
https://www.lisz-works.com/entry/python-base64-incorrect-padding

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

「試したこと」に記載のソースコードと実際に動かしたソースコードは一致していますか?
エラー内容に記載されているエラー該当部分は「試したこと」のソースコードには存在していないように見えます。

header, encoded = src.split(",",1)

投稿2022/08/12 10:46

t-n

総合スコア136

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。

Michiko

2022/08/12 11:58

おっしゃる通りです。 ありがとうございます。 修正しました
len_souko

2022/08/13 16:25

回答ではありません こういう内容は「質問への追記・修正依頼」に書いてください
t-n

2022/08/17 02:07 編集

迷いましたが、色々試行錯誤されているのに動作させるファイルを誤っているため、問題が解決されないのだと思い回答とさせていただきました。 スクレイピング対象のサイトを確認しましたが、取得したい画像のurlはsourceタグのdata-srcset属性に記載されているものではありませんか? こちらで想定している画像が取得できると思います。
Michiko

2022/08/18 14:46

ありがとうございます。 タグや属性を変えましたが、プログラムはうまく動きませんでした。 勉強します。
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

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

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
85.46%

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