カテゴリー: クローリング/スクレイピング
Nokogiriで正規表現にマッチするエレメントを取得する
こんにちは。 エンジニアの大壁です。 Nokogiriで正規表現を使いたいと思ったことはありませんか？ 私はあります。 例えばこういうHTMLがあったとして。 <article> <h2>foo& […]
Nokogiriのcssメソッドで「あるテキストを含むノード」を検索する
こんにちは。エンジニアの高橋です。 NokogiriのCSSセレクタでは「あるテキストを含むノード」を検索することができます。 表から新宿の天気だけ取得したい ▲この表から「新宿の天気」のみ取得することを考えます < […]
xdotool を使ったGUI操作で快適スクレイピング
GUIアプリは使っても、監視はCLIでやりたい 弊社では、クラウドサーバー上で自動化ツールを運用しています。クラウドサーバ上のLinuxもGUIがあるので、Chromeなどはヘッドレスではなく、GUIを持ったまま動かすこ […]
クローリング会社で開発に欠かせないLinuxコマンド集 – 初級編
皆さん、こんにちは 学生アルバイトの栃沢です。 今日は弊社のようなクローリング会社としてサービス提供しているサーバーサイドエンジニア主体の会社において、必ず覚えておかなければならないコマンドを紹介します。 僕は普段ubu […]
Chromeデベロッパーツールでhttp通信でレスポンスされるファイル群を見る
はじめに 今日はクローリング会社における修得スキルの基礎中の基礎「Chromeデベロッパーツール」について解説させていただきます。（なお、現在はChromeデベロッパーツールは「Chrome DevTools」というのが […]
WSL環境でのseleniumクローラーをブラウザを立ち上げて開発する
こんにちは。学生エンジニアのhashimotoです。 自分がクローリング会社のrooterに入った時は自分以外のエンジニア全員macユーザーだったのですが、最近は少しずつwindowsユーザーも増えてきました。クローリン […]
クローリングする際に調整したいHTTPリクエストパラメータ
こんにちは! アルバイトのkondoです。 ルーターではクローリングの際にSeleniumやMechanizeを使うことが多いですが、httpリクエストを直接投げてデータを集めることもあります。 今回は、クローリング時に […]
Nokogiriでパースできない壊れたタグをChromeを使って修復する
こんにちは。エンジニアの高橋です。 突然ですが、スクレイピング先のページがこんなページだったらどうしますか？ <html> <head> <meta http-equiv=”Content- […]