【Excelまたはスプレッドシートでできる！ちょっとWebスクレイピングな技】～Webサイトから超簡単にテーブル情報を取得する～

※2024年7月13日：GoogleスプレッドシートでのWebスクレイピングのやり方を追加

今回は、あまり知られていないと思われる簡単で便利なエクセル^※の小技を紹介します。
※Googleスプレッドシートのやり方も追加しました。

  ExcelでWebサイトのテーブルデータを簡単に取得する

この技はWebサイトにあるテーブルデータをエクセルで簡単に取得する方法です。

ただし、単純に取得するだけではなくて、取得元Webサイトのテーブルをある程度自動的に加工しながら取り込むこともできるし、エクセルに接続情報も記録されるので、継続的に同じWebサイトから情報を取得したい場合に役立ちます。

ブログ作成用の情報収集やちょっとした調査業務に最適な方法だと思うので、ぜひご活用ください。

  実際にテーブルを取得してみる

エクセルと既存データベースを接続したり、エクセルデータをデータベースとして使用したりするPower Query機能の一部ですが、今回ご紹介する機能は任意のWebサイトからデータベースを取り込むことができる機能です。

GoogleスプレッドシートでWebスクレイピングする方法

IMPORTHTML 関数（インポートHTML関数）を使う

構文例)　Webページ「https://doc778.com/archives/1964」の1番目の表をインポートする場合：

=IMPORTHTML("https://doc778.com/archives/1964", "table", 1)

※https://doc778.com/archives/1964は私の管理しているページなので試しに使ってもらってOKです。

“table”の他には“list”を指定することもできます。このパラメータの後の「1」は何番目”table”かを指定する数字です。

任意の要素を取得したいときは

GoogleスプレッドシートではIMPORTXML関数（インポートXML関数）を使うことで、もっと詳細な情報を取得するできます。これはいわゆるWebスクレイピングというものです。

構文例)　Webページ「https://doc778.com/nba-info」の見出しを取得する場合：

=IMPORTXML("https://doc778.com/nba-info","//*[@id='post-1138']/header/h1")

※https://doc778.com/nba-infoは私の管理しているページなので試しに使ってもらってOKです。バスケットボールに興味があればついでに他のサイトも見てやってください。

“//*[@id=’post-1138′]/header/h1”の部分はXPathクエリというやつです。

1. 右クリックして、「検証」をクリック
2. 開発者ツールが表示されるので、取得したい部分を選んで右クリック
3. 「コピー」をクリック
4. 「XPath」をクリック

5. クリップボードにコピーされた「XPathクエリ」を構文の該当するところに貼り付け

以上です。尚、自分はXPathクエリは詳しくないので、参考にさせていただいた詳しそうな方の記事を貼っておきます↓

AiTRIGGER Blog

【スクレイピング】IMPORTXML関数の使い方や具体的な使用方法を解説！ こんにちは。突然ですが「自社の競合サイトを調べたい！」というとき、どうしていますか？ 例えば、自社の競合サイト...

まとめ

Excelのデータベース機能は、難しいですが、SQLなどのプログラミング知識を必ずしも必要としないため、比較的学習のハードルは低いと思います。

データベースの学習用とブログのネタ集めには、ベストな選択肢ではないでしょうか。
Web上のテーブルデータを取得するだけなら本当に簡単なので、ぜひ使ってみてください。