Bilregistret.ai のスクレイピング方法：スウェーデンの車両データ抽出ガイド

from playwright.sync_api import sync_playwright

def run():
    with sync_playwright() as p:
        # パフォーマンス向上のため headless=True でブラウザを起動
        browser = p.chromium.launch(headless=True)
        page = browser.new_page()
        page.goto("https://www.bilregistret.ai/biluppgifter/ABC123")
        
        # メインの車両情報コンテナがレンダリングされるのを待機
        page.wait_for_selector("h1")
        
        # ページから model 名を抽出
        data = page.evaluate("() => { return document.querySelector('h1').innerText; }")
        print(f"Extracted model: {data}")
        
        browser.close()

run()

import scrapy
import json

class BilregistretSpider(scrapy.Spider):
    name = 'bilregistret'
    start_urls = ['https://www.bilregistret.ai/biluppgifter/ABC123']

    def parse(self, response):
        # 信頼性の向上のため、Next.js のステートスクリプトタグからデータを抽出
        json_data = response.xpath('//script[@id="__NEXT_DATA__"]/text()').get()
        if json_data:
            data = json.loads(json_data)
            # pageProps をアイテムとして yield する
            yield data['props']['pageProps']['initialData']
        
        # リンクを通じて他の車両を探索する例
        for car_link in response.css('a[href*="/biluppgifter/"]::attr(href)').getall():
            yield response.follow(car_link, self.parse)

const puppeteer = require('puppeteer');

(async () => {
  const browser = await puppeteer.launch();
  const page = await browser.newPage();
  
  // 特定の車両ページに移動
  await page.goto('https://www.bilregistret.ai/biluppgifter/ABC123');
  
  // h1 要素を待機することで Next.js のレンダリングを処理
  await page.waitForSelector('h1');
  
  const vehicleData = await page.evaluate(() => {
    return {
      title: document.querySelector('h1').innerText,
      specs: Array.from(document.querySelectorAll('td')).map(td => td.innerText)
    };
  });
  
  console.log(vehicleData);
  await browser.close();
})();