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

90.84%

  • PHP

    18202questions

    PHPは、Webサイト構築に特化して開発されたプログラミング言語です。大きな特徴のひとつは、HTMLに直接プログラムを埋め込むことができるという点です。PHPを用いることで、HTMLを動的コンテンツとして出力できます。HTMLがそのままブラウザに表示されるのに対し、PHPプログラムはサーバ側で実行された結果がブラウザに表示されるため、PHPスクリプトは「サーバサイドスクリプト」と呼ばれています。

  • XPath(XML Path)

    61questions

    XML Path Language (XPath; XMLパス言語)は、マークアップ言語 XML に準拠した文書の特定の部分を指定する言語構文の事をいいます。XPathはXMLとは別の構文を使用します。XMLドキュメントの抽象、論理ストラクチャ上で動作します。

PHP XPathで現在場所指定で取得しているものを文字列から判定させたい

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 101

Yashichi847

score 2

現在クローリングについて勉強中です。

https://next.rikunabi.com/ → 「求人一覧を見る」のリンク先、各企業のリンク先の情報から
数千件の代表者、従業員数、業種を取得しようと思っています

                      <tbody><tr class="rnn-tableGrid">
                        <th class="rnn-col-2">設立</th>
                        <td class="rnn-col-10">
                          <p>19xx年xx月</p>
                        </td>
                      </tr>

                      <tr class="rnn-tableGrid">
                        <th class="rnn-col-2">代表者</th>
                        <td class="rnn-col-10">
                          <p>代表取締役社長 ○山 X夫</p>
                        </td>
                      </tr>

                      <tr class="rnn-tableGrid">
                        <th class="rnn-col-2">資本金</th>
                        <td class="rnn-col-10">
                          <p>100億円</p>
                        </td>
                      </tr>

                      <tr class="rnn-tableGrid">
                        <th class="rnn-col-2">売上高</th>
                        <td class="rnn-col-10">
                          <p>1兆円</p>
                        </td>
                      </tr>

                      <tr class="rnn-tableGrid">
                        <th class="rnn-col-2">従業員数</th>
                        <td class="rnn-col-10">
                          <p>65,535名</p>
                        </td>
                      </tr>

                      <tr class="rnn-tableGrid">
                        <th class="rnn-col-2">事業所</th>
                        <td class="rnn-col-10">
                          <p>東京都大阪区名古屋</p>
                        </td>
                      </tr>

                      <tr class="rnn-tableGrid">
                        <th class="rnn-col-2">業種</th>
                        <td class="rnn-col-10">
                          <p>ニート</p>
                        </td>
                      </tr>

                      <tr class="rnn-tableGrid">
                        <th class="rnn-col-2">事業内容</th>
                        <td class="rnn-col-10">
                          <p>食う・寝る</p>
                        </td>
                      </tr>
                    </tbody>

現在テーブルタグの中の2個目(代表者)、5個目(従業員数)、7個目(業種)を取得する考え方で配列にしたのですが
2割ほどの求人がこの場所にありません。
なので<th>~</th>の中にある 代表者・従業員数・業種 などの文字列を見て
<td><p>~</p></td>の中の文字列を取得したいと思っています。

$xpath_delegate = '/html/body/div[@class="rnn-wrapper"]/div[@class="rnn-offerInfoMain rnn-group rnn-group--xxl"]/div/div[@class="rnn-stage js-offerInfoMain"]/div[@class="rnn-row rnn-row--gutter-xm"]/div[@class="rnn-col-9 rnn-group rnn-group--Ll"]/div[@class="rnn-group rnn-group--xm js-cmpnyInfo"]/div[@class="rnn-group rnn-group--s"]/div[@class="rnn-group rnn-group--xs rnn-textM"]/table[@class="rnn-detailTable"]/tr[@class="rnn-tableGrid"][2]/td/p/text()';
$xpath_employees = '/html/body/div[@class="rnn-wrapper"]/div[@class="rnn-offerInfoMain rnn-group rnn-group--xxl"]/div/div[@class="rnn-stage js-offerInfoMain"]/div[@class="rnn-row rnn-row--gutter-xm"]/div[@class="rnn-col-9 rnn-group rnn-group--Ll"]/div[@class="rnn-group rnn-group--xm js-cmpnyInfo"]/div[@class="rnn-group rnn-group--s"]/div[@class="rnn-group rnn-group--xs rnn-textM"]/table[@class="rnn-detailTable"]/tr[@class="rnn-tableGrid"][5]/td/p/text()';
$xpath_industry = '/html/body/div[@class="rnn-wrapper"]/div[@class="rnn-offerInfoMain rnn-group rnn-group--xxl"]/div/div[@class="rnn-stage js-offerInfoMain"]/div[@class="rnn-row rnn-row--gutter-xm"]/div[@class="rnn-col-9 rnn-group rnn-group--Ll"]/div[@class="rnn-group rnn-group--xm js-cmpnyInfo"]/div[@class="rnn-group rnn-group--s"]/div[@class="rnn-group rnn-group--xs rnn-textM"]/table[@class="rnn-detailTable"]/tr[@class="rnn-tableGrid"][7]/td/p/text()';


現在のXPathの書き方は配列場所直書きですが
このなかに「thの文字列を見て一致したらtdの文字列を取得する」という書き方はできるでしょうか?
できないとすればどのような対処法がありますでしょうか?

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。

回答 2

checkベストアンサー

+4

'//th[text()="代表者"]/../td/p'

投稿

  • 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。

  • 2018/06/14 00:18

    今回のHTMLだと <th> <td> がペアで複数あるパターンなのでこちらが正解でしたね、失礼しました。

    キャンセル

  • 2018/06/14 22:54

    UNIXのcd(チェンジディレクトリ)と同じような考え方ですね
    text()だとNULLが帰ってきたのでもしや?と思い[.="代表者"]と書いたら思うように値取れました
    ありがとうございます

    キャンセル

  • 2018/06/15 09:12

    .= という演算子は知りませんでした。containsの意味でしょうか?
    前後に空白があってイコールで判断出来ないときは、[normalize-space()="代表者"]

    キャンセル

  • 2018/06/15 18:02

    `.=` は演算子じゃなくて `.` がカレントノードを意味する,というだけですね。

    selenium - XPath: difference between dot and text() - Stack Overflow https://stackoverflow.com/questions/38240763/xpath-difference-between-dot-and-text

    キャンセル

  • 2018/06/15 18:14 編集

    `text()` はその階層直下から完全一致するテキストノードを1つ探す一方,`.` はその階層以下のノードをすべてテキスト化して結合した1つの値との比較となります。

    キャンセル

  • 2018/06/15 21:16

    ああ、そういう意味でしたか。ありがとうございます。

    キャンセル

+1

投稿

  • 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。

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 90.84%
  • 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

関連した質問

同じタグがついた質問を見る

  • PHP

    18202questions

    PHPは、Webサイト構築に特化して開発されたプログラミング言語です。大きな特徴のひとつは、HTMLに直接プログラムを埋め込むことができるという点です。PHPを用いることで、HTMLを動的コンテンツとして出力できます。HTMLがそのままブラウザに表示されるのに対し、PHPプログラムはサーバ側で実行された結果がブラウザに表示されるため、PHPスクリプトは「サーバサイドスクリプト」と呼ばれています。

  • XPath(XML Path)

    61questions

    XML Path Language (XPath; XMLパス言語)は、マークアップ言語 XML に準拠した文書の特定の部分を指定する言語構文の事をいいます。XPathはXMLとは別の構文を使用します。XMLドキュメントの抽象、論理ストラクチャ上で動作します。