Pythonで、htmlソースを取得した時

urllib2.urlopen('url').read()

上記の方法でhtmlのソースを取得していますが、あるデータにおいて、

ブラウザ上→存在する
ブラウザでソースを表示→存在する
Pythonでソースを取得→存在しない

といった事が起こり、取得出来ないデータがあります。

1. 何故このような事が起こるのか、考えられる原因
2. このデータをPythonで取得する方法はあるか、あるならどんな方法か

以上2点を教えてください。
宜しくお願いいたします。

No.3 回答者： 777_kenyu 回答日時： 2014/03/24 22:37

１の回答はブラウザとPythonで取得する情報に差異があるという質問を元に回答しているため、

前提条件が勘違いである場合には、そこに書いてある処置を行ってトラブルシューティングを続けていくべきではありません。
念のため。

No.2 回答者： LancerVII 回答日時： 2014/03/21 15:57

こんにちは。

http://docs.python.jp/2/howto/urllib2.html
上記URLの「ヘッダ」という項目を参照してください。

１．２．
アクセスしてきたブラウザの情報を参照しソースの出力を制御している可能性があります。
なので上記URLを参考にし適切なヘッダ情報を含めてhttpアクセスすることによりブラウザで表示したときと同じソースが取得できるようになると思います。

この回答へのお礼

回答有難うございます。すみません、ブラウザのソースには存在すると書きましたが、実際は違いました。ブラウザには表示されていますが、「ソースを表示」で確認すると存在しませんでした。該当箇所をChromeで選択して「要素を検証」すると存在するため、勘違いしていました。正しくはブラウザ上→存在する　ブラウザでソースを表示→存在しない　Pythonでソースを取得→存在しない　です。
その後色々にらめっこして、多分・・ブラウザがJavascriptで表示させているデータかと今は予想しています。なんとかJavascriptの実行結果を得る方法で模索してみたいと思います。
教えていただいたヘッダ情報は設定していなかったので、これからは設定した上で続けていこうと思います。
有難うございました。

お礼日時：2014/03/24 17:43

No.1 回答者： 777_kenyu 回答日時： 2014/03/21 15:52

まずは原因を特定することかと思います。

ans = urllib2.urlopen('url') みたいな感じで…

考えられる原因:
・urlopenで何らかのエラーが発生している
　(1) urlの中にエンコードが必要な文字列が混ざっている(空白とか)
　　　　→ urllib.quote など適切な物を使ってあげる

　(2) 失敗するurlではPythonと違う経路でデータ取得するようにブラウザ側で設定されている
　　　　→ Pythonを起動するシェルの環境変数 http_proxy 等の必要な物を設定する
etc.

この回答へのお礼

回答有難うございます。すみません、ブラウザのソースには存在すると書きましたが、実際は違いました。ブラウザには表示されていますが、「ソースを表示」で確認すると存在しませんでした。該当箇所をChromeでドラッグ・選択して「要素を検証」すると存在するため、勘違いしていました。正しくはブラウザ上→存在する　ブラウザでソースを表示→存在しない　Pythonでソースを取得→存在しない　です。
その後色々にらめっこして、多分・・ブラウザがJavascriptで表示させているデータかと今は予想しています。なんとかJavascriptの実行結果を得る方法で模索してみたいと思います。
教えていただいた環境変数は設定していなかったので、これからは設定した上で続けていこうと思います。
有難うございました。

お礼日時：2014/03/24 17:43