Yahooニュースとは？
Yahoo!ニュースは記事ニュース・写真ニュース・動画ニュース・トピックスから構成されており、ニュースおよびトピックスは更に8つのカテゴリに分かれる。記事ニュースは主に毎日新聞、読売新聞、朝日新聞、産経新聞、時事通信などのニュースを扱っている。また、Yahoo!ニュースのみに配信しているメディアが多い点にも特徴がある。記事によっては掲載期間が過ぎると記事は削除されリンク切れになる。個別記事に対してYahoo!JAPAN IDを持つユーザーがコメントを投稿できる。各コメントに対する賛否を投票することも可能。投稿者のYahoo!JAPAN IDは一部が伏字で表示され、匿名性が高い。
スクレイピングツールの概要
ScrapeStormとは、強い機能を持つ、プログラミングが必要なく、使いやすい人工知能Webスクレイピングツールです。違う基盤のユーザーに二つのスクレイピングモードを提供し、1-Clickで99％のWebスクレイピングを満たします。ScrapeStormにより、大量のWebデータを素早く正確的に取得できます。手動でデータ抽出が直面するさまざまな問題を完全に解決し、情報取得のコストを削減し、作業効率を向上させます。
抽出されたデータは下記のようにご覧ください
1.タスクを新規作成する
(1)URLをコピーする
今回は国際ニュース一覧ページを例として、そのスクレイピング方法を紹介します。まず、URLをコピーしてください。
(2)スマートモード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
2.タスクを構成する
(1)ページボタン
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。また、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
(2)詳細ページに行く
ソフトウェアの「詳細ページに行く」機能を利用し、記事の全文を抽出します。
(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
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。サーバーに負荷しないように、遅延時間を設定してください。5秒以上を推薦します。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
(2)しばらくすると、データがスクレイピングされる。
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
(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
Demoタスク：
ニュースメディア！Yahooニュースからニュースをスクレイピングする.sst
https://drive.google.com/file/d/1jFrRh0r0kQ4PTpuflO-KAgRHJakV5nJh/view?usp=sharing
注意：法律違反しないため、抽出されたデータを悪用禁止です！