質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.03%

beautifulsoup を用いて、競馬情報をスクレイピングする中で、<p>で改行された情報が取れずに苦慮しています。

解決済

回答 1

投稿

  • 評価
  • クリップ 1
  • VIEW 425

akakage13

score 86

netkeiba.com様から、beautifulsoup を用いて、競馬情報をスクレイピングする中で、<p>で改行された以降の情報が取れずに苦慮しています。

# -*- coding:utf-8 -*-

import urllib2
import codecs
import time
from bs4 import BeautifulSoup

f1 = codecs.open('chukyo_race_1.csv', 'w', 'utf-8')
f1.write('other_race_name'+u"\n")

url_1='http://race.netkeiba.com/?pid=race_old&id=c201707040101&mode=top'

soup_1 = BeautifulSoup(urllib2.urlopen(url_1).read(),"lxml")

other_race_name_tag_1 = soup_1.find('div',{'class':'race_otherdata'}).find('p')
other_race_name_1 = "".join([x for x in other_race_name_tag_1.text if not x == u'\xa0' and not x == u'\n'])
cols = [other_race_name_1.strip()]

f1.write(",".join(cols) + "\n")

print other_race_name_1.strip()

f1.close()


netkeiba.com 様からスクレイピングさせていただいているのですが、上記のプログラムを動かすと、以下のようになります

4回中京1日目2歳

netkeiba,com様のソースコードを、下記に記します。

</dl>
<div class="race_otherdata">
<p>4回中京1日目&nbsp;2歳&nbsp;</p>
<p>混[指定]&nbsp;16</p>
<p>本賞金:5002001307550万円</p>
</div>
<ul class="btn_link_list fc">

小生のしたいことは、

4回中京1日目2歳16


というように、<P> の2行目の、16頭という 情報も取得することです。

しかし、改行されていることで、1行目のみしか、取得できません。

改行された以降の部分も取得したいのです。

findの部分を、findall に改変したり、select にも改変したのですが、エラーが出てしまいます。

いろいろ調べたのですが、うまく出来ず、苦慮しております。

諸先輩方の、御教示、よろしくお願いいたします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • deadjupiter

    2018/03/29 20:36

    d.find('p')しないで直接divの.text見るか、d.find_all('p')じゃダメなの?

    キャンセル

回答 1

checkベストアンサー

+3

find_allで該当要素を複数取得できます。
あとはループで適切に処理します。

from bs4 import BeautifulSoup

html = """
<html><body><div class="race_otherdata">
<p>4回中京1日目&nbsp;2歳&nbsp;</p>
<p>混[指定]&nbsp;16頭</p>
<p>本賞金:500、200、130、75、50万円</p>
</div></body></html>
"""

soup = BeautifulSoup(html,"lxml")
d = soup.find('div',{'class':'race_otherdata'})
for p in d.find_all('p'):
    t = p.text.replace(u'\xa0', ',') # 「&nbsp;」(NO-BREAK SPACE)=\xa0を分かりやすい区切り文字に置換
    print t

"""
4回中京1日目,2歳,
混[指定],16頭
本賞金:500、200、130、75、50万円
"""

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/03/30 19:31

    can110様、丁寧な御教示ありがとうございました。
    うまく動いて感激しております。
    今後ともよろしくお願いいたします。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.03%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる
  • トップ
  • Python 2.7に関する質問
  • beautifulsoup を用いて、競馬情報をスクレイピングする中で、<p>で改行された情報が取れずに苦慮しています。