講談社文庫!講談社BOOK倶楽部から書籍情報をスクレイピング

講談社とは?
講談社は、日本の大手総合出版社です。男性・女性誌、コミック誌、書籍などを刊行しています。講談社文庫は、株式会社講談社が発行している文庫レーベルです。1971年に創刊されました。広義では講談社学術文庫や講談社文芸文庫などを含む講談社から出されている文庫全体を指し、狭義では講談社文庫のみを指します。講談社BOOK倶楽部は講談社の書籍ポータルサイトです。
スクレイピングツールの概要
ScrapeStormとは、人工知能に基づき、強い機能を持っているWebスクレイピングツールです。プログラミングが必要なく、ほとんどのWebサイトからデータをスクレイピングします。URLを入力するだけで、自動的にWebサイト内容と次のページボタンを識別できます。1-ClickでWebサイトから自動的にデータを抽出します。Excel、HTML、Txt、CSVなどのさまざまな形式でデータを出力、保存できます。さらに、データベースやウェブサイトにデータをエクスポートできます。

抽出されたデータは下記のようにご覧ください。

1抽出されたデータ

1.タスクを新規作成する

(1)URLをコピーする
今回は講談社BOOK倶楽部から新刊書籍ページの情報を取得する方法を紹介します。まず、新刊書籍一覧ページのURLをコピーしてください。

2URLをコピー

(2)タスクを新規作成する
ScrapeStormのホムページ画面にスマートモードタスクを新規作成します。また、持っているタスクをインポートすることもできます。
詳細には下記のチュートリアルをご参照ください。
スマートモードタスクの新規作成方法

3新規作成

2.タスクを構成する

(1)自動識別
ScrapeStormは自動的にリスト要素とページボタンを識別できます。もし識別誤差が発生する時、手動でページボタンを選択してください。下記のチュートリアルも参照してください。
ページ分けの設定方法

4ページボタン

(2)詳細ページに行く
「詳細ページに行く」ボタンをクリックして、書籍の詳細情報ページに移動します。価格、ISBN、判型などの情報を抽出できます。

5詳細ページ

(3)フィールドの追加と編集
「フィールドを追加」ボタンをクリックして、画面に必要な要素を選択、データが自動的に抽出されます。また、必要に応じてフィールドの名前の変更または削除、結合できます。
フィールドの設定の詳細には下記のチュートリアルをご参照ください。
抽出されたフィールドを配置する方法

6フィールドの追加と編集

3.タスクの設定と起動

(1)起動の設定
必要に応じて、スケジュール、アンチブロック、自動エクスポート、写真のダウンロード、スピードブーストを設定できます。
スクレイピングタスクを配置する方法については、下記のチュートリアルをご参照ください。
スクレイピングタスクを配置する方法

8起動

(2)しばらくすると、データがスクレイピングされる。

9データ抽出

4.抽出されたデータのエクスポートと表示

(1)エクスポートをクリックして、データをダウンロードする

10エクスポート

(2)必要に応じてエクスポートする形式を選択します。
ScrapeStormは、Excel、csv、html、txt、データベース、ローカルなどさまざまなエクスポート方法を提供します。抽出結果のエクスポート方法の詳細には下記のチュートリアルをご参照ください。
抽出されたデータのエクスポート方法

11ファイルを選択