• はてなアカウントでログイン
• 無料ユーザー登録

ベストアンサー

• a-kuma32018/11/03 22:47:41

  満足2000pt

  「できません」という回答を書くのは、ちょっと躊躇したのですが、回答に書かせてもらいます。
  
  Google スプレッドシートの関数名が IMORTXML とあるように、対象のページが XMLとして認識できないと、あの関数はエラーを返します。
  
  HTML は XML っぽい感じですが、大きく違うところは、タグを閉じるところを省略できるところです。
  HTML だと、IMG は、そもそも閉じるタグを要求しませんし、TABLE や LI とかは、閉じるタグを書かないことが普通にあります。
  でも、XML では、文法として許されていません。
  
  ブラウザは解釈してくれるのですが、スプレッドシートの INPORTXML は、その辺りを厳密に解釈しているようで、閉じるタグがきちんと書かれていないページの解釈では失敗してしまいます。

  スター

  • 

    5件のコメントを見る

  • moon-fondu 2018/11/03 23:35:49

    そうだったんですか、回答いただきありがとうございます！
    ちなみに、こちら https://data.gunosy.io/entry/python-scrapy-scraping
    の方法ではいかがでしょう？
    
    最初は自分もこの方法で試みたのですが、
    「items.py」の編集で、
    
    class GunosynewsItem(scrapy.Item):
    title = scrapy.Field()
    url = scrapy.Field()
    subcategory = scrapy.Field()
    
    をどう直そうかと色々いじったり。
    $ scrapy genspider gunosy gunosy.com以降に出てくる
    「gunosy.py」を、いろいろ編集しても、コマンドプロンプトでは
    エラーばかりで全く歯が立たず。。。でもa-kuma3さんなら…もし気が向きましたら、よろしくお願い致します(^^;

    スター

  • a-kuma3 2018/11/06 16:00:19

    少し試してみた（Python ではなく、Ruby ですけど）のですが、ふるさと納税のあのサイト、機械除けの仕組みがあるみたいで、なかなか手強いです。
    もしかすると、Google スプレッドシートの IMPORTXML 関数で取得できないのも、そのガードでエラーになっているのかも。
    
    もし、ふるさと納税のサイトが、あくまでも例として出しただけであれば良いのですが、本当にあのサイトから候補を抽出するのが目的であれば、一筋縄では行かないと思います。

    スター

  • moon-fondu 2018/11/06 20:26:15

    a-kuma3さん調べていただきありがとうございます！
    お手を煩わせてしまい、すみません(^^;
    また、気が向いたらでお願いしたいのですが…コチラ https://www.amazon.co.jp/trends/ は、いかがでしょうか？1位から20位のランキングで、「クリスマスコフレ」などのフレーズのみをスクレイピングできたらと思いまして…自分でまたXpathを取得して、Google スプレッドシートに、
    
    =IMPORTXML(A1,"//*[@id="crown-trending-keywords"]/div/div/ul/li[1]/span/a/div/div[2]/span")
    
    と、入れてみたのですが…、やはり「#ERROR!」になってしまうようで。
    もし可能でしたら…よろしくお願い致します<m(__)m>

    スター

  • a-kuma3 2018/11/06 21:07:01

    Amazon の方は行けました　:-)
    
    Google スプレッドシートではなく、Ruby のコードです。
    Mechanize というライブラリを使ってます。

    require 'openssl'
    require 'mechanize'
    
    agent = Mechanize.new
    agent.verify_mode = OpenSSL::SSL::VERIFY_NONE
    
    page = agent.get('https://www.amazon.co.jp/trends/')
    
    trend = page.search('.trending-keyword')
    trend.each { |item|
        puts item.text.strip
    }
    

    標準出力には、以下のように出力されます。

    クリスマスコフレ
    ルナソル
    スマブラ
    クリスマスツリー
    ヴェノム
    ダウンジャケット メンズ
    セグウェイ
    カナダグース
    ワークマン
    ナマケモノ
    クリスマスイルミネーション
    クリスマス 飾り
    クリスマス
    www amazon com jp
    冷却ファン
    ゲームボーイミクロ
    twice yes or yes
    エリップス
    福袋
    エムピウ 財布
    

    スター

  • moon-fondu 2018/11/06 21:45:39

    ありがとうございます(^^;
    
    rubyはまだ自分のWindows10にインストールしていませんが、
    インストールして試してみます♪
    
    また、もしお時間ありましたらコチラの方もご教授いただけますと幸いです。
    http://q.hatena.ne.jp/1541508285
    よろしくお願い致します。

    スター

その他の回答

この質問へのコメント

質問の情報

登録日時

2018-11-03 20:48:37

終了日時

2018-11-06 21:46:01

回答条件

1人20回まで

この質問のカテゴリ

• インターネット
• 学習・教育

この質問に含まれるキーワード

人気の質問

• ミステリー小説は好きですか？simadanndann22日前
• 自分のサイトにチャットボットを埋め込みたいですどうすれば良いですか 匿名質問者2日前
• 中学3年女子です。 東野圭吾の本が好きな男子って、どんな性格だと思いますか。 （はっきり言って頭が良く…匿名質問者2113日前
• 自作パソコンを組みのとBTOとどちらが良いなどありますか？ ゲーム配信・動画・イラスト作成編集などする予…nagadora12日前
• あなたは 4/30～5/2は休みですか？tak23日前

メニュー

• 質問一覧
• カテゴリ一覧
• 無料ユーザー登録
• 人力検索はてなトップ

PC版

• お問い合わせ
• ヘルプ
• お知らせ
• はてなトップ