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

90.35%

  • Python

    9187questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • スクレイピング

    381questions

    スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

Python tdタグしか無い場合のスクレイピング方法

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 339

kmbaht

score 4

Suumo(例えば以下のURL)から家賃と管理費の一覧をpython3.6でスクレイピングしてExcelに落としたいのですが、管理費のセレクタの指定方法がわかりません。
URL
https://suumo.jp/jj/chintai/ichiran/FR301FC001/?ar=090&bs=040&pc=30&smk=&po1=25&po2=99&shkr1=03&shkr2=03&shkr3=03&shkr4=03&rn=7020&ek=702041000&ra=040&cb=0.0&ct=4.5&co=1&md=01&ts=1&ts=2&et=5&mb=0&mt=9999999&cn=9999999&fw2=

家賃の方はソースを見ると
<span class="cassetteitem_other-emphasis ui-text--bold">●●万円</span>
となっているので
soup.select('span[class="cassetteitem_other-emphasis ui-text--bold"]')とすればできたのですが、
管理費はソースを見ても
<td>●●円</td>となっているだけであり、soup.selectの次にどのようにセレクタを記載すれば良いかわかりかねている次第です。

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

+1

こんにちは。

以下のような感じでどうでしょうか?

  1. soup.select を使って <table class="cassetteitem_other"> のデータ行の <tr> を収集
  2. 上記1.で集めた各々の <tr> に含まれる、4番目の<td>(賃料)と、5番目の<td>(管理費)の内容を取得

以下のようなコードになります。

for tr in soup.select('table.cassetteitem_other tbody tr'):
    tds = tr.select('td')
    print(tds[3].text, tds[4].text)

動作確認のコードを書いて動かしてみたところ、以下のように出力されました。

3.8万円 20003.9万円 20003.6万円 30003.6万円 -
2.5万円 20002.5万円 20003.5万円 -
4万円 34002.7万円 30003.9万円 30003.9万円 30003.5万円 40003.2万円 20003.2万円 20003.5万円 20003.5万円 20003万円 -
4万円 2000

以上参考になれば幸いです。

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。

  • 2018/07/16 22:44

    最初にfor文を使ってしまうとExcelへの転記の仕方がわかりませんでしたが、以下のようにすることでできました。
    table_all=soup.select('table.cassetteitem_other tbody tr')
    for i in range(len(table_all)):
    tds=table_all[i].select('td')
    sheet.cell(row=i+1,column=2).value=tds[3].text
    sheet.cell(row=i+1,column=3).value=tds[4].text

    動作確認までして頂き、ご丁寧な回答ありがとうございました。
    お手間でなければ追加で質問させていただきたいのですが、ご回答頂いたようにHTMLをある程度素早く読み取れるようにするために参考になる書籍等ご存じないでしょうか?

    キャンセル

  • 2018/07/17 16:08 編集

    お役に立てたようで、よかったです。
    追加で頂いている、

    > ご回答頂いたようにHTMLをある程度素早く読み取れるようにするために参考になる書籍等ご存じないでしょうか?

    とのご質問についてですが、このご質問の意図としては、例えば、この「家賃と管理費」のスクレイピングについて言えば、こういうことでしょうか?

    「家賃と管理費の一覧を作る」という目的のもとで、対象URLのHTMLを見て、
    スクレイピングのプログラムをまだ全く書いてない段階で、初めから、
    「CSSセレクタ 'table.cassetteitem_other tbody tr' で、データ行を取ってきて、
     それをループで回して、ループの中で各 <tr> の該当tdのtextを取れば多分いけそう。」
    と(ほぼ迷い無く)着想できるようになるためには、何を習得すればよいか?

    ということでしょうか?

    キャンセル

  • 2018/07/25 00:21

    すみません、お返事に気づくのが遅れました。
    それもそうですし、今回一番わからなかったのがbs.soup()内のセレクタの書き方なのです。
    例えばclass名は「.」の後、tbodyとtrの間はスペースを空けるだけで良い、等です。
    セレクタを勉強しろ、と言われればそれまでなのですが、ざっとWebで検索してもなかなか良いサイトが無かったもので。。

    キャンセル

  • 2018/08/12 11:12

    こんにちは。ご回答が遅れてすみません。

    > セレクタを勉強しろ、と言われればそれまでなのですが、ざっとWebで検索してもなかなか良いサイトが無かったもので。。

    とのことですが、私がお勧めするのは以下の書籍

    CSS完全ガイド第2版
    https://www.amazon.co.jp/dp/487311232X

    です。(古本なら1円ですね)

    CSS3が登場する前の古い本ですが、これに書いてあるCSSの基本的な考え方は今でも十分通用します。500ページ以上ある大冊ですが、全部読む必要はなくて、kmbahtさんのニーズからすると、読むべき箇所は今でも通用する基礎的な知識が書かれている、以下の章です。

    第2章 セレクタ
    第3章 構造とカスケード

    上記の2つの章(ページ数にすると50ページ余り)を一度、しかし少し丁寧に読んでおけば、スクレイピングで欲しい要素を特定するCSSセレクタを書くときも困らずセレクタを書けるようになれると思いますし、ちょっと応用的なセレクタを書こうとしてWebで検索するにしても、どういうキーワードで検索すれば的確な情報に早くたどりつけられるかが分かってくるのではないかと思います。

    キャンセル

  • 2018/09/20 13:04

    ご紹介いただきありがとうございます!
    読んでみるようにします

    キャンセル

0

BeautifulSoupでなく、XPathを使えるツールを使えば、
~.xpath('//span[@class="cassetteitem_other-emphasis ui-text--bold"]/../following-sibling::td[1]')
で、次のtdが取れます。
BeautifulSoupではXPathは使えないようです。同様のことが出来るかも知れませんが、使ってないので分かりません。

あとは、見出し行のtrでテキストが「管理費」であるのが何カラム目のtdかを調べて、下のtrで同じカラムのtdを見る。

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 90.35%
  • 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

同じタグがついた質問を見る

  • Python

    9187questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • スクレイピング

    381questions

    スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。