14 KiB
title | author | date | url | wordtwit_post_info | categories | |||
---|---|---|---|---|---|---|---|---|
Starbucksの店舗検索からスクレイピング | kazu634 | 2008-11-29 | /2008/11/29/_1157/ |
|
|
「 Starbucksの店舗情報を取得する – その1 – 武蔵の日記」のつづきだよ。
- 「starbucks」に関連する最近のエントリ
これまでのまとめ
ページを表示できません。|スターバックス コーヒー ジャパンからリンクの抽出を前回行いました。今回は個別のページから情報を取得します。
取得したいページ
たとえば「http://www.starbucks.co.jp/search/result_city2.php?SearchPerfecture=%8B{%8F%E9%8C%A7:title]」のページです。個々の情報が次のように並んでいます。
ここから情報を取得します。
Web::Scraper
こういう場合はWeb::Scraperを使うとよいようです。そこで実際に使ってみました。
参考にしたのは以下のページです:
- Web::Scraper – Web Scraping Toolkit inspired by Scrapi – search.cpan.org
- Web::Scraper – naoyaのはてなダイアリー
- use Web::Scraper; – 今日のCPANモジュール
実際のコード
# === Libraries === use strict; use warnings; use URI; use Web::Scraper; use YAML; use Encode; use utf8; # === Main part === # Web::Scraperのインスタンスを作成 my $scraper = scraper { # 切り出す位置を指定 # 今回は複数ある「<div class="Table01">...</div>」の間を切り出し、 # storesという配列に格納 process '//div[contains(@class, "Table01")]', 'stores[]' => scraper { # 「<div class="Table01">」からの相対的な位置で切り出す位置を指定 # 「//tr[1]/td[2]」は「<div class="Table01">」から # 一つ目の「<tr>」の中にある二つ目の「<td>...</td>」の間にあるテキスト情報を # キー「store_name」としてハッシュに格納する process '//tr[1]/td[2]', 'store_name' => 'TEXT'; process '//tr[2]/td[2]', 'address' => 'TEXT'; process '//tr[3]/td[2]', 'tel' => 'TEXT'; process '//tr[4]/td[2]', 'nearby_station' => 'TEXT'; process '//tr[5]/td[2]', 'open_close' =>'TEXT'; } }; # 実際に情報を取得する my $result = $scraper->scrape( URI->new( "http://www.starbucks.co.jp/search/result_city2.php?SearchPerfecture=%88%A4%92m%8C%A7" ) ); # 情報の表示 print encode( 'utf8', Dump($result->{stores}) );
実行結果
—
- address: 郵便番号450-6013愛知県 名古屋市中村区 名駅 1-1-4 JRセントラルタワーズ 13F
nearby_station: ‘名古屋駅 ( JR東海道本線、JR関西本線、名古屋市営地下鉄桜通線、名古屋市営地下鉄東山線、近鉄名古屋線 ) 徒歩2分 新名古屋駅 ( 名鉄名古屋本線、名鉄犬山線 ) 徒歩4分 名古屋セントラルタワーズ内’
open_close: ‘月~木: 8:00 ~ 23:00 [LO 22:30]金: 8:00 ~ 23:00 [LO 22:30]土: 8:00 ~ 23:00 [LO 22:30]日: 8:00 ~ 23:00 [LO 22:30]祝日: 8:00 ~ 23:00 [LO 22:30]定休日:不定休’
store_name: ‘名古屋JRセントラルタワーズ店’
tel: ‘052-586-7087 ’
- address: 郵便番号460-0008愛知県 名古屋市中区 栄 4-6-1 ホテルプリシード名古屋 1F
nearby_station: ‘栄駅 ( 名古屋市営地下鉄東山線、名古屋市営地下鉄名城線 ) 徒歩7分 栄町駅 ( 名鉄瀬戸線 ) 徒歩7分 ホテルプリシード名古屋’
open_close: ‘月~木: 7:00 ~ 22:00金: 7:00 ~ 22:30土: 7:00 ~ 22:30日: 7:00 ~ 22:00祝日: 7:00 ~ 22:00定休日:不定休’
store_name: ‘ホテルプリシード名古屋 栄4丁目店’
tel: ‘052-251-7773 ’
- address: 郵便番号444-0840愛知県 岡崎市 戸崎町外山 38-5 イオンモール岡崎
nearby_station: ‘岡崎駅 ( JR東海道本線、愛知環状鉄道 ) 徒歩20分 東岡崎駅 ( 名鉄名古屋本線 ) 徒歩35分 イオンモール岡崎内’
open_close: ‘月~木: 10:00 ~ 22:00金: 10:00 ~ 22:00土: 10:00 ~ 22:00日: 10:00 ~ 22:00祝日: 10:00 ~ 22:00定休日:不定休’
store_name: ‘イオンモール岡崎店’
tel: ‘0564-59-1010 ’
- address: 郵便番号480-1124愛知県 愛知郡 長久手町戸田谷 901-1 アピタ長久手店
nearby_station: ‘藤ヶ丘駅 ( 名古屋市営地下鉄東山線、東部丘陵線リニモ ) 徒歩25分 アピタ長久手店(ショッピングセンター)内1F’
open_close: ‘月~木: 10:00 ~ 22:00金: 10:00 ~ 22:00土: 10:00 ~ 22:00日: 10:00 ~ 22:00祝日: 10:00 ~ 22:00定休日:不定休’
store_name: ‘名古屋 アピタ長久手店’
tel: ‘0561-61-7022 ’
- address: 郵便番号450-0002愛知県 名古屋市中村区 名駅 4-7-25 名駅地下街サンロード
nearby_station: ‘名古屋駅 ( JR東海道本線、JR関西本線、名古屋市営地下鉄桜通線、名古屋市営地下鉄東山線、近鉄名古屋線 ) 徒歩3分 新名古屋駅 ( 名鉄名古屋本線、名鉄犬山線 ) 徒歩3分 婦人服ITOJUの向かい側’
open_close: ‘月~木: 7:30 ~ 21:30金: 7:30 ~ 21:30土: 7:30 ~ 21:30日: 7:30 ~ 21:30祝日: 7:30 ~ 21:30定休日:不定休’
store_name: ‘名駅地下街 サンロード店’
tel: ‘052-586-3252 ’
- address: 郵便番号460-0008愛知県 名古屋市中区 栄 3-1-8 名古屋栄東急イン 1F
nearby_station: ‘栄駅 ( 名古屋市営地下鉄東山線、名古屋市営地下鉄名城線 ) 徒歩3分 栄町駅 ( 名鉄瀬戸線 ) 徒歩3分 栄東急イン1F’
open_close: ‘月~木: 7:00 ~ 22:00金: 7:00 ~ 22:30土: 7:00 ~ 22:30日: 7:00 ~ 22:00祝日: 7:00 ~ 22:00定休日:不定休’
store_name: ‘栄東急イン店’
tel: ‘052-262-2156 ’
- address: 郵便番号460-0003愛知県 名古屋市中区 錦 2-18-19 三井住友銀行名古屋ビル 1F
nearby_station: ‘伏見駅 ( 名古屋市営地下鉄東山線、名古屋市営地下鉄鶴舞線 ) 徒歩3分 電気文化会館の前の三井住友銀行の中’
open_close: ‘月~木: 7:00 ~ 22:00金: 7:00 ~ 22:00土: 8:00 ~ 22:00日: 8:00 ~ 21:00祝日: 8:00 ~ 21:00定休日:不定休’
store_name: ‘三井住友銀行名古屋ビル店’
tel: ‘052-232-1516 ’
- address: 郵便番号470-2100愛知県 知多郡 東浦町緒川申新田二区 67-8 イオンモール東浦
nearby_station: ‘緒川駅 ( JR武豊線 ) 徒歩5分 イオン東浦ショッピングセンター’
open_close: ‘月~木: 10:00 ~ 22:00金: 10:00 ~ 22:00土: 10:00 ~ 22:00日: 10:00 ~ 22:00祝日: 10:00 ~ 22:00定休日:不定休’
store_name: ‘イオンモール東浦店’
tel: ‘0562-82-2723 ’
- address: 郵便番号456-8580愛知県 名古屋市熱田区 神宮 3-6-34 名鉄パレ百貨店 神宮
nearby_station: ‘神宮前駅 ( 名鉄名古屋本線、名鉄常滑線 ) 徒歩1分 東口の階段降りてすぐ’
open_close: ‘月~木: 7:00 ~ 21:30金: 7:00 ~ 21:30土: 7:00 ~ 21:30日: 7:00 ~ 21:00祝日: 7:00 ~ 21:00定休日:不定休’
store_name: ‘名鉄 神宮前駅店’
tel: ‘052-683-5013 ’
- address: 郵便番号460-0002愛知県 名古屋市中区 丸の内 3-20-17 中外東京海上ビル 1F
nearby_station: ‘久屋大通駅 ( 名古屋市営地下鉄名城線、名古屋市営地下鉄桜通線 ) 徒歩1分 地下鉄久屋大通駅1番出口すぐ’
open_close: ‘月~木: 7:00 ~ 22:00金: 7:00 ~ 22:30土: 7:00 ~ 22:30日: 8:00 ~ 22:00祝日: 8:00 ~ 22:00定休日:不定休’
store_name: ‘桜通り大津店’
tel: ‘052-962-1055 ’
これからの課題
- 検索トップページから再帰的に全てのページの店舗情報を取得できるようにする