JA
今すぐ始める

用語集

スクレイピングと自動化

CSSセレクター

ページのスタイル指定のために生まれたパターンの構文。スクレイパーが抽出したい要素を選ぶ日常的な方法として借用しています。

Selectors were invented so stylesheets could say which elements a rule paints, and scraping simply borrowed the language: the same pattern that styles every price tag can select every price tag. The vocabulary is compact. A bare name matches a tag, .price matches by class, #main by id, [data-sku] by attribute presence and [data-sku='X17'] by attribute value; a space between parts means descendant, a right angle bracket means direct child, and :nth-child() picks by position.

どこでも使えることが実用的な論拠です。どのパーサー、フレームワーク、ブラウザのAPIもこの構文を話し、どの開発者もスタイリングの作業から半分は知っており、抽出の圧倒的大部分、つまりカードを取る、その中のタイトルを取る、リンクのhrefを取るといったことでは、最も短い正しい文になります。これで書いたスクレイピングのコードは、対象とするページの構造そのもののように読めます。

限界は構造的なもので、それを知っていれば午後をまるごと節約できます。従来のセレクターは厳密に下方向を指します。何かの子孫は選べますが親は選べず、テキストはまったく見えないため、「売り切れ」という言葉を含む要素には、その言葉ではたどり着けません。:has()疑似クラスはブラウザで1つ目の限界を変え始めていますが、スクレイピングのライブラリでの対応はまちまちで、移植性のあるコードでは今も上方向の選択はXPathの領域として扱われています。テキストと移動という2つの隙間こそが、もう一方の言語が真価を発揮し始める場所です。

現代の罠は、構文よりクラスそのものにあります。ビルドツールがクラスを生成することが増えています。ユーティリティのフレームワークは数十の小さなクラスでスタイルを組み立て、CSS-in-JSはデプロイのたびに変わるcss-1x2y3zのようなハッシュ化された名前を出力します。生成されたクラスに固定したセレクターはビルドの産物に固定されており、サイトの次のリリースで、目に見えるレイアウトの変化がまったくないまま朽ちていきます。長持ちするセレクターは、再ビルドを生き残るものに固定します。セマンティックなタグ、id、aria属性、そしてチームが自らのテストのために安定したフックとして加えるdata-属性です。

So the craft, as with all pointing, is choosing anchors by meaning. A selector like [data-testid='price'] outlives one like div.sc-bZQynM span:nth-child(2) by years, and the difference was never cleverness, only choosing the part of the page its own developers promised not to shuffle.

よくある質問

スクレイピングのために知っておくべきCSSセレクターは何ですか?

A working handful covers most extraction: tag, .class and #id for the basics, [attribute] and [attribute='value'] for the precise anchors, the space and the right angle bracket for descendant and child nesting, and :nth-child() for positional picks. That small set, composed, expresses nearly every everyday extraction; the exotic pseudo-classes rarely earn their keep in scraping code.

サイトが変わっていないのに、セレクターが壊れるのはなぜですか?

クラス名がビルドの産物だったからです。CSS-in-JSやユーティリティのパイプラインは、レンダリングされたレイアウトはまったく同じまま、再デプロイで変わるハッシュ化や合成されたクラス名を生成するため、それに固定したセレクターは目に見えないまま壊れます。安定したフック、つまりid、セマンティックな構造、ariaのラベル、data-属性に固定し直せば、同じページがリリースのたびにセレクターを振り落とすことはなくなります。

CSSセレクターでテキストによって要素を見つけられますか?

標準の構文ではできません。セレクターが見るのは構造と属性で、内容は見ません。唯一確実な固定点が目に見える言葉である場合は、代わりにXPathのtext()による照合を使うか、CSSで広めの集合を選んで自分のコードでテキストで絞り込むのが典型的な解決策です。どちらかの言語にこだわるより、抽出ごとに選ぶほうが優れています。

CSSセレクターはXPathより速いですか?

わずかに、ときどき速いだけで、時間がかかっている場所でそれが効くことはほぼありません。現代のエンジンはどちらも速く評価し、どんな実際のパイプラインでも、ネットワークの転送、レンダリング、解析がセレクターの評価をはるかに上回ります。サイトが入れ替えないものに固定できる言語を、機能と耐久性で選び、性能の差は興味深い話題にとどめておいてください。

用語集全体に戻る。

HProxy.

定義だけで分かることには限りがあります。 実行と 実際のターゲット.

レジデンシャルはGBあたり$0.23から、従量課金制で、残高に有効期限はありません。

HProxy