370 lines
14 KiB
Markdown
370 lines
14 KiB
Markdown
---
|
||
title: Starbucksの店舗検索からスクレイピング
|
||
author: kazu634
|
||
date: 2008-11-29
|
||
wordtwit_post_info:
|
||
- 'O:8:"stdClass":13:{s:6:"manual";b:0;s:11:"tweet_times";i:1;s:5:"delay";i:0;s:7:"enabled";i:1;s:10:"separation";s:2:"60";s:7:"version";s:3:"3.7";s:14:"tweet_template";b:0;s:6:"status";i:2;s:6:"result";a:0:{}s:13:"tweet_counter";i:2;s:13:"tweet_log_ids";a:1:{i:0;i:4405;}s:9:"hash_tags";a:0:{}s:8:"accounts";a:1:{i:0;s:7:"kazu634";}}'
|
||
categories:
|
||
- Perl
|
||
- scraper
|
||
|
||
---
|
||
<div class="section">
|
||
<p>
|
||
「<a href="http://d.hatena.ne.jp/sirocco634/20081125/1227625128" onclick="__gaTracker('send', 'event', 'outbound-article', 'http://d.hatena.ne.jp/sirocco634/20081125/1227625128', ' Starbucksの店舗情報を取得する – その1 – 武蔵の日記');" target="_blank"> Starbucksの店舗情報を取得する – その1 – 武蔵の日記</a>」のつづきだよ。
|
||
</p>
|
||
|
||
<blockquote>
|
||
<ul>
|
||
<li>
|
||
「starbucks」に関連する最近のエントリ <ul>
|
||
<li>
|
||
<a href="http://d.hatena.ne.jp/sirocco634/20081125/1227625128" onclick="__gaTracker('send', 'event', 'outbound-article', 'http://d.hatena.ne.jp/sirocco634/20081125/1227625128', ' Starbucksの店舗情報を取得する – その1 – 武蔵の日記');" target="_blank"> Starbucksの店舗情報を取得する – その1 – 武蔵の日記</a>
|
||
</li>
|
||
<li>
|
||
<a href="http://d.hatena.ne.jp/sirocco634/20060915/1158289200" onclick="__gaTracker('send', 'event', 'outbound-article', 'http://d.hatena.ne.jp/sirocco634/20060915/1158289200', '映画・『UDON』 – 武蔵の日記');" target="_blank">映画・『UDON』 – 武蔵の日記</a>
|
||
</li>
|
||
</ul>
|
||
</li>
|
||
</ul>
|
||
</blockquote>
|
||
|
||
<p>
|
||
<a name="seemore"></a>
|
||
</p>
|
||
|
||
<h4>
|
||
これまでのまとめ
|
||
</h4>
|
||
|
||
<p>
|
||
<a href="http://www.starbucks.co.jp/search/index.html/" onclick="__gaTracker('send', 'event', 'outbound-article', 'http://www.starbucks.co.jp/search/index.html/', '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');" target="_blank">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</a>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。
|
||
</p>
|
||
|
||
<h4>
|
||
取得したいページ
|
||
</h4>
|
||
|
||
<p>
|
||
たとえば「<a href="http://www.starbucks.co.jp/search/result_city2.php?SearchPerfecture=%8B" onclick="__gaTracker('send', 'event', 'outbound-article', 'http://www.starbucks.co.jp/search/result_city2.php?SearchPerfecture=%8B', 'http://www.starbucks.co.jp/search/result_city2.php?SearchPerfecture=%8B');" target="_blank">http://www.starbucks.co.jp/search/result_city2.php?SearchPerfecture=%8B</a>{%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。
|
||
</p>
|
||
|
||
<p>
|
||
<center>
|
||
</center>
|
||
</p>
|
||
|
||
<p>
|
||
<a href="http://f.hatena.ne.jp/sirocco634/20081129222026" onclick="__gaTracker('send', 'event', 'outbound-article', 'http://f.hatena.ne.jp/sirocco634/20081129222026', '');" class="hatena-fotolife" target="_blank"><img src="http://cdn-ak.f.st-hatena.com/images/fotolife/s/sirocco634/20081129/20081129222026.png" alt="f:id:sirocco634:20081129222026p:image" title="f:id:sirocco634:20081129222026p:image" class="hatena-fotolife" /></a>
|
||
</p></p>
|
||
|
||
<p>
|
||
ここから情報を取得します。
|
||
</p>
|
||
|
||
<h4>
|
||
Web::Scraper
|
||
</h4>
|
||
|
||
<p>
|
||
こういう場合は<a href="http://search.cpan.org/~miyagawa/Web-Scraper-0.24/lib/Web/Scraper.pm" onclick="__gaTracker('send', 'event', 'outbound-article', 'http://search.cpan.org/~miyagawa/Web-Scraper-0.24/lib/Web/Scraper.pm', 'Web::Scraper');" target="_blank">Web::Scraper</a>を使うとよいようです。そこで実際に使ってみました。
|
||
</p>
|
||
|
||
<p>
|
||
参考にしたのは以下のページです:
|
||
</p>
|
||
|
||
<ul>
|
||
<li>
|
||
<a href="http://search.cpan.org/~miyagawa/Web-Scraper-0.24/lib/Web/Scraper.pm" onclick="__gaTracker('send', 'event', 'outbound-article', 'http://search.cpan.org/~miyagawa/Web-Scraper-0.24/lib/Web/Scraper.pm', 'Web::Scraper – Web Scraping Toolkit inspired by Scrapi – search.cpan.org');" target="_blank">Web::Scraper – Web Scraping Toolkit inspired by Scrapi – search.cpan.org</a>
|
||
</li>
|
||
<li>
|
||
<a href="http://d.hatena.ne.jp/naoya/20070509/1178686816" onclick="__gaTracker('send', 'event', 'outbound-article', 'http://d.hatena.ne.jp/naoya/20070509/1178686816', 'Web::Scraper – naoyaのはてなダイアリー');" target="_blank">Web::Scraper – naoyaのはてなダイアリー</a>
|
||
</li>
|
||
<li>
|
||
<a href="http://e8y.net/mag/013-web-scraper/" onclick="__gaTracker('send', 'event', 'outbound-article', 'http://e8y.net/mag/013-web-scraper/', 'use Web::Scraper; – 今日のCPANモジュール');" target="_blank">use Web::Scraper; – 今日のCPANモジュール</a>
|
||
</li>
|
||
</ul>
|
||
|
||
<h4>
|
||
実際のコード
|
||
</h4>
|
||
|
||
<pre class="syntax-highlight">
|
||
<span class="synComment"># === Libraries ===</span>
|
||
<span class="synStatement">use strict</span>;
|
||
<span class="synStatement">use warnings</span>;
|
||
<span class="synStatement">use </span>URI;
|
||
<span class="synStatement">use </span>Web::Scraper;
|
||
<span class="synStatement">use </span>YAML;
|
||
<span class="synStatement">use </span>Encode;
|
||
<span class="synStatement">use utf8</span>;
|
||
<span class="synComment"># === Main part ===</span>
|
||
<span class="synComment"># Web::Scraperのインスタンスを作成</span>
|
||
<span class="synStatement">my</span> <span class="synIdentifier">$scraper</span> = scraper {
|
||
<span class="synComment"># 切り出す位置を指定</span>
|
||
<span class="synComment"># 今回は複数ある「<div class="Table01">...</div>」の間を切り出し、</span>
|
||
<span class="synComment"># storesという配列に格納</span>
|
||
process <span class="synConstant">'//div[contains(@class, "Table01")]'</span>, <span class="synConstant">'stores[]'</span> => scraper {
|
||
<span class="synComment"># 「<div class="Table01">」からの相対的な位置で切り出す位置を指定</span>
|
||
<span class="synComment"># 「//tr[1]/td[2]」は「<div class="Table01">」から</span>
|
||
<span class="synComment"># 一つ目の「<tr>」の中にある二つ目の「<td>...</td>」の間にあるテキスト情報を</span>
|
||
<span class="synComment"># キー「store_name」としてハッシュに格納する</span>
|
||
process <span class="synConstant">'//tr[1]/td[2]'</span>, <span class="synConstant">'store_name'</span> => <span class="synConstant">'TEXT'</span>;
|
||
process <span class="synConstant">'//tr[2]/td[2]'</span>, <span class="synConstant">'address'</span> => <span class="synConstant">'TEXT'</span>;
|
||
process <span class="synConstant">'//tr[3]/td[2]'</span>, <span class="synConstant">'tel'</span> => <span class="synConstant">'TEXT'</span>;
|
||
process <span class="synConstant">'//tr[4]/td[2]'</span>, <span class="synConstant">'nearby_station'</span> => <span class="synConstant">'TEXT'</span>;
|
||
process <span class="synConstant">'//tr[5]/td[2]'</span>, <span class="synConstant">'open_close'</span> =><span class="synConstant">'TEXT'</span>;
|
||
}
|
||
};
|
||
<span class="synComment"># 実際に情報を取得する</span>
|
||
<span class="synStatement">my</span> <span class="synIdentifier">$result</span> = <span class="synIdentifier">$scraper</span>->scrape(
|
||
URI-><span class="synStatement">new</span>(
|
||
<span class="synConstant">"http://www.starbucks.co.jp/search/result_city2.php?SearchPerfecture=%88</span><span class="synIdentifier">%A4</span><span class="synConstant">%92m%8C</span><span class="synIdentifier">%A7</span><span class="synConstant">"</span>
|
||
)
|
||
);
|
||
<span class="synComment"># 情報の表示</span>
|
||
<span class="synStatement">print</span> encode( <span class="synConstant">'utf8'</span>, Dump(<span class="synIdentifier">$result</span>->{stores}) );
|
||
</pre>
|
||
|
||
<h4>
|
||
実行結果
|
||
</h4>
|
||
|
||
<blockquote>
|
||
<p>
|
||
—
|
||
</p>
|
||
|
||
<ul>
|
||
<li>
|
||
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
|
||
</li>
|
||
</ul>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
store_name: ‘名古屋JRセントラルタワーズ店’
|
||
</p>
|
||
|
||
<p>
|
||
tel: ‘052-586-7087 ’
|
||
</p>
|
||
|
||
<ul>
|
||
<li>
|
||
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
|
||
</li>
|
||
</ul>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
store_name: ‘ホテルプリシード名古屋 栄4丁目店’
|
||
</p>
|
||
|
||
<p>
|
||
tel: ‘052-251-7773 ’
|
||
</p>
|
||
|
||
<ul>
|
||
<li>
|
||
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
|
||
</li>
|
||
</ul>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
store_name: ‘イオンモール岡崎店’
|
||
</p>
|
||
|
||
<p>
|
||
tel: ‘0564-59-1010 ’
|
||
</p>
|
||
|
||
<ul>
|
||
<li>
|
||
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
|
||
</li>
|
||
</ul>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
store_name: ‘名古屋 アピタ長久手店’
|
||
</p>
|
||
|
||
<p>
|
||
tel: ‘0561-61-7022 ’
|
||
</p>
|
||
|
||
<ul>
|
||
<li>
|
||
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
|
||
</li>
|
||
</ul>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
store_name: ‘名駅地下街 サンロード店’
|
||
</p>
|
||
|
||
<p>
|
||
tel: ‘052-586-3252 ’
|
||
</p>
|
||
|
||
<ul>
|
||
<li>
|
||
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
|
||
</li>
|
||
</ul>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
store_name: ‘栄東急イン店’
|
||
</p>
|
||
|
||
<p>
|
||
tel: ‘052-262-2156 ’
|
||
</p>
|
||
|
||
<ul>
|
||
<li>
|
||
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
|
||
</li>
|
||
</ul>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
store_name: ‘三井住友銀行名古屋ビル店’
|
||
</p>
|
||
|
||
<p>
|
||
tel: ‘052-232-1516 ’
|
||
</p>
|
||
|
||
<ul>
|
||
<li>
|
||
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
|
||
</li>
|
||
</ul>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
store_name: ‘イオンモール東浦店’
|
||
</p>
|
||
|
||
<p>
|
||
tel: ‘0562-82-2723 ’
|
||
</p>
|
||
|
||
<ul>
|
||
<li>
|
||
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
|
||
</li>
|
||
</ul>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
store_name: ‘名鉄 神宮前駅店’
|
||
</p>
|
||
|
||
<p>
|
||
tel: ‘052-683-5013 ’
|
||
</p>
|
||
|
||
<ul>
|
||
<li>
|
||
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
|
||
</li>
|
||
</ul>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
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’
|
||
</p>
|
||
|
||
<p>
|
||
store_name: ‘桜通り大津店’
|
||
</p>
|
||
|
||
<p>
|
||
tel: ‘052-962-1055 ’
|
||
</p>
|
||
</blockquote>
|
||
|
||
<h4>
|
||
これからの課題
|
||
</h4>
|
||
|
||
<ul>
|
||
<li>
|
||
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
|
||
</li>
|
||
</ul>
|
||
</div>
|