python スクレイピング その4
はじめに
今回はseleniumでSlashdotを開いて、ブラウザを操作して結果を表示するプログラムを書いてみた。
準備
最初にpipで以下をインストールしておく。
$ pip install selenium $ pip install chromedriver $ pip install chromedriver-binary==90.0.4430.93
※chromedriver-binaryは自分の環境のバージョンを記載。
- sele.py
from selenium import webdriver from bs4 import BeautifulSoup import time url = 'https://srad.jp/' keyword = 'Linux' driver = webdriver.Chrome(executable_path="chromedriverのパス") driver.get(url) search = driver.find_element_by_name("fhfilter") search.send_keys(keyword) search.submit() soup = BeautifulSoup(driver.page_source, "html.parser") results = soup.find_all("h2", attrs={"class": "story"}) for i, result in enumerate(results): tag = result.find("a") print("%d: %s : %s" % (i + 1, tag.get_text(), "https:"+tag["href"])) driver.quit()
- 実行方法と結果
$ python sele.py 1: Windows 10 Insider Preview ビルド21376、WSLのLinux GUIアプリサポートで発生していた問題を解決 : https://linux.srad.jp/story/21/05/08/0455217/ 2: Vine Linuxの現状は?(追記: リリース版終了が宣言される) : https://linux.srad.jp/story/21/05/04/0459248/ 3: Windows 10 Insider PreviewのLinux GUIアプリ実行サポート、現時点ではHaswell世代以降のCPUが必要 : https://linux.srad.jp/story/21/04/29/0430220/ 4: ミネソタ大研究者、研究のためとしてLinuxカーネルに意図的に脆弱性コードをコミット : https://linux.srad.jp/story/21/04/25/1954223/ 5: M1 Mac正式対応のOS仮想化ソフト「Parallels Desktop 16.5」が公開 : https://linux.srad.jp/story/21/04/19/0129216/ 6: SCO Linux FUDは滅びぬ、何度でも蘇るさ! : https://linux.srad.jp/story/21/04/04/1616223/ 7: FSF運営チーム、執行役員をはじめ3名が辞任へ : https://opensource.srad.jp/story/21/04/03/0837231/ 8: Linux Foundation、Linux 30周年記念ロゴ画像を公開 : https://linux.srad.jp/story/21/03/21/058252/ 9: 7-Zip 20.01 alpha、Linuxに対応 : https://linux.srad.jp/story/21/03/16/1622251/ 10: 火星の空飛ぶLinux : https://linux.srad.jp/story/21/03/11/1655218/ 11: Linux 5.12 rc2、重大なバグ修正のため予定より数日早くリリース : https://linux.srad.jp/story/21/03/07/0039241/ 12: Linus Torvalds、6日間の電源喪失を切り抜ける : https://linux.srad.jp/story/21/03/02/1653247/ 13: アップデート適用が進まないLinux Mint、より多くのユーザーに迅速なアップデート適用を実行してもらうための改善計画 : https://linux.srad.jp/story/21/02/28/1940228/ 14: M1 Mac上でUbuntuデスクトップの起動に成功との発表。ネットワーク機能も動作可能 : https://linux.srad.jp/story/21/01/24/1511237/
- 注意
sele.py を実行しても、Chromeのバージョンとドライバのバージョンが違うと動かない。
下記でバージョン一覧が取れるのでChromeのバージョンが90版台なら、chromedriver-binaryも同じ番号帯を選んで再インストールする。
$ pip install chromedriver-binary==
- 簡単な解説
executable_pathは未指定でも良いらしいが自分の環境だとNGだったので指定している。
from selenium import webdriver from bs4 import BeautifulSoup import time url = 'https://srad.jp/' keyword = 'Linux' driver = webdriver.Chrome(executable_path="chromedriverのパス") driver.get(url)
「fhfilter」が検索ボックスでそこにsend_keys()でキーワードを送信してsubmit()している。
search = driver.find_element_by_name("fhfilter")
search.send_keys(keyword)
search.submit()
「driver.page_source」でまるっと結果を取得している。
その結果をBeautifulSoupで解析して、enumerateで回して表示している。
題名はaタグの内容をget_text()で取得し、アトリビュートのhrefを取得して表示している。
soup = BeautifulSoup(driver.page_source, "html.parser") results = soup.find_all("h2", attrs={"class": "story"}) for i, result in enumerate(results): tag = result.find("a") print("%d: %s : %s" % (i + 1, tag.get_text(), "https:"+tag["href"])) driver.quit()
まとめ
forの表示は最初はダラダラ3行くらい書いてたけど、今の書き方のほうがスッキリして良い。
この癖を付けていきたい。