Download to read offline
![remDr$navigate(“URL”)
Sys.sleep(5)
行きたいURLにremote driverが飛んでくれるメソッド
remDr$maxWindowSize()
remDr$screenshot(display=TRUE)
今いるサイトのスクリーンショットを取ってくれるメソッド
適宜使うことで自分がどんなサイトにいるのかがわかりコードが書きや
すくなる
webElem <- remDr$findElements(using="xpath",value ="/html/body/header/k2-
kite-header-tool-nav-provider/div/div/nav/k2-kite-header-account-
nav/a[2]/span")
DOMベースでサイト上の要素を指定することができるメソッドで、それ
を変数に入れることで指定した部分だけにメソッドが適用できるように
よく使うremDrメソッド](https://image.slidesharecdn.com/selenium-211128055539-220120105524/85/Rselenium-Docker-10-320.jpg)
![DOMから文章を抽出する
header_large <- unlist(remDr$getPageSource())
%>% read_html()
%>% html_nodes(xpath = "//span[@class = 'cmnc-large']")
%>% html_text()
%>% as.data.frame
getPageSource()メソッドでDOMを取得でき、それをhtml形式に変換し
その中でさらに文章を絞りたければhtml_nodes()を使うこともできる。
そして最後にhtml_text()にいれることでhtmlを人間語にしてくれる。
as.data.frameは見やすい形式にに変換するためにつけた。](https://image.slidesharecdn.com/selenium-211128055539-220120105524/85/Rselenium-Docker-14-320.jpg)
Rselenium Dockerとの接続
- 2.
- 3.
- 4. Chrome driver のダウンロード Chromedriver はweb driver の一種でこいつがネット上を徘徊して データを送ってくれる感じ（？） Chrome driver ダウンロード ChromeDriver -WebDriver for Chrome - Downloads (chromium.org) ※自分のgoogle chrome と同じバージョンのchrome driver を選ぶ （じゃないとうまく使えない！）
- 5. seleniumサーバを引っ張ってくる →次のコマンドをターミナル上で実行 docker pull selenium/standalone-chrome セレンサーバを自分の環境に引っ張ってくる（？） dockerrun –d –shm-size=1024m –p 4444:4444 selenium/standalone-chrome ホストポート4444とコンテナポート4444をつなげてセレンサーバをrun（実 行）させる -p:つなげる(publish), -d:? , --shm-size=1024m:割り当てるメモリの大 きさ） これでdockerのContainer/Appsに新しいコンテナができているはず 正しく実行できたかどうかを確認するための方法としてブラウザからweb ページにアクセスしてみるとよい（次ページ）
- 6.
- 7.
- 8.
- 9. library(httr) library(rvest) library(RSelenium) remDr <- remoteDriver(remoteServerAddr= “xxx.xxx.xxx.x”, ##自分のipアドレス port = 4444, browserName = "chrome") Sys.sleep(5) remDr$open() コードを追いながら説明 remoteDriverがwebを徘徊してくれる（？） ・Sys.sleep(5)は5秒パソコンにじっとするように指示する関数 なぜこうするかというと一気にコードを実行すると相手のサーバに負荷がかかる ため ・remDr$open()はサーバに接続しているらしい
- 10. remDr$navigate(“URL”) Sys.sleep(5) 行きたいURLにremote driverが飛んでくれるメソッド remDr$maxWindowSize() remDr$screenshot(display=TRUE) 今いるサイトのスクリーンショットを取ってくれるメソッド 適宜使うことで自分がどんなサイトにいるのかがわかりコードが書きや すくなる webElem <-remDr$findElements(using="xpath",value ="/html/body/header/k2- kite-header-tool-nav-provider/div/div/nav/k2-kite-header-account- nav/a[2]/span") DOMベースでサイト上の要素を指定することができるメソッドで、それ を変数に入れることで指定した部分だけにメソッドが適用できるように よく使うremDrメソッド
- 11. webElem <- remDr$findElement(~)##引数書くと長くなるので省略 webElem$clickElement() Sys.sleep(5) findElementメソッドを使ってベースで指定した要素を クリックするメソッド ページを移動することになると思うのでSys.sleepで ページの読み込み待機をする（多分なくてもいい） webElem <- remDr$findElement(~) ##引数書くと長くなるので省略 webElem$sendKeysToElement(list(“xxxxxxx”)) またfindElementしたところに対してのメソッドで、 指定した要素を”xxxxxxx”で埋めてくれる(id・パスワード) remDr$getCurrentUrl いまいるサイトのURLを返してくれるメソッド
- 12.
- 13. ３ そのDOMを右クリックして「コピー」から「完全なXpathをコピー」 を選択してxpathをコピーする ４ webElem<-findElements(using= “xpath”,value = “xxxxx”)の”xxxxx”部分に コピーしたxpathを入れてあげる →これでDOMの一部を抜粋できた！！ クリックするなりパスワードを入力するなりウェブを抜き出すなりすれば いいがウェブを抜き出すためにはDOMを処理する必要がある（次ページ） XpathのほかにもDOMのidやcss形式、classを使った指定方法があるが 使いづらかったので使いたいひとは以下のサイトを参照 https://qiita.com/nakamichi/items/ad186633ae249b26d032
- 14. DOMから文章を抽出する header_large <- unlist(remDr$getPageSource()) %>%read_html() %>% html_nodes(xpath = "//span[@class = 'cmnc-large']") %>% html_text() %>% as.data.frame getPageSource()メソッドでDOMを取得でき、それをhtml形式に変換し その中でさらに文章を絞りたければhtml_nodes()を使うこともできる。 そして最後にhtml_text()にいれることでhtmlを人間語にしてくれる。 as.data.frameは見やすい形式にに変換するためにつけた。
- 15. Rでマネーフォワードをスクレイピングする - もうカツ丼はいいよな (hatenablog.com) わかりやすかった！ 【知らなきゃ危ない！】webスクレイピング禁止サイトまとめ| 居酒屋 エンジニア (engineerismydream33.org) スクレイピングで法を破らないように… Dockerコマンド一覧 – Qiita しらなくてもいいかな… Pythonでスクレイピングのルール(robots.txt)をチェックするツールを作 る – Qiita スクレイピングで法を破らないように…２（よくわからなかった）