Zenn
🤖

Deno Webサイトをスクレイピングする

2024/02/25に公開
JavaScript
TypeScript
Deno
#
スクレイピング
tech

denoでWebサイトをスクレイピングする基本的な方法をまとめました。
今回はこのサイトを対象にスクレイピングし、以下画像のボタン内テキストを取得してみます!

大まかな手順

  1. Webページの取得: fetch APIを使用してスクレイピング対象のWebページのHTMLを取得
  2. HTMLの解析: 取得したHTMLをDOMParserで解析し、DOMを構築
  3. データの抽出: 解析したDOMから、特定のセレクタを使用して必要なデータを含む要素を選択
  4. データの加工: 選択した要素から情報（テキストや属性値など）を抽出し、必要に応じて加工

実装

Webページの取得

まずスクレイピング用の関数を作成し、その中でfetch APIを使ってWebページを取得します。
そして、取得したレスポンス(res)からawait res.text()でテキスト（HTML）を非同期に抽出します。

async function scrape() {
    const res = await fetch("https://appletools.blog/scraping-practice/");
    const source = await res.text();
}

sourceをコンソールで確認すると、WebサイトのHTMLがテキスト形式で出力されます。

HTMLの解析

DOMParserのparseFromStringメソッドを使って、HTMLテキストからDOMを構築します。

import {
    DOMParser
} from "https://deno.land/x/deno_dom/deno-dom-wasm.ts";

async function scrape() {
    //...
    const DOM = new DOMParser().parseFromString(source, "text/html");

データの抽出

querySelectorAllメソッドを使用して、特定の属性を持つ要素をすべて選択します。
今回は、name属性が"alert_btn"の要素を選択しています。

async function scrape() {
    //...
    const targets = DOM.querySelectorAll('[name="alert_btn"]');

データの加工

選択した要素から、今回はテキストを抽出してコンソールに結果を表示します。
各要素に対してループ処理を行い、innerTextプロパティを使用してテキスト内容を抽出します。

async function scrape() {
    //...
    const results: string[] = [];

    targets.forEach(el => {
        const text = el.innerText;
        results.push(text);
    });

    console.log(results);

これで、以下のようにコンソールに出力されます。

[ "ボタン1", "ボタン2", "ボタン3" ]

エラー処理

最後にエラー処理を追加して終了です。
完成したコードは以下のようになります。

import {
    DOMParser
} from "https://deno.land/x/deno_dom/deno-dom-wasm.ts";

async function scrape() {
    try {
        const res = await fetch("https://appletools.blog/scraping-practice/");

        if (!res.ok) {
            throw new Error(`HTTP error! status: ${res.status}`);
        }

        const source = await res.text(); 
        const DOM = new DOMParser().parseFromString(source, "text/html");
        const targets = DOM.querySelectorAll('[name="alert_btn"]');

        const results: string[] = [];

        targets.forEach(el => {
            const text = el.innerText;
            results.push(text);
        });

        console.log(results);
    } catch (error) {
        console.error("Scraping failed:", error.message);
    }
}

scrape();

Discussion