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

90.34%

  • HTML

    9574questions

    HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

  • Python

    9206questions

    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。

  • Python 3.x

    7398questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • 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でタグの中身に応じたスクレイピングの仕方について

受付中

回答 0

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 134

kenchiku

score 0

 前提・実現したいこと

Pythonを使ってlxmlでwebスクレイピングをしています。
Python初心者です。

スクレイピングしたいWebページのタグの中身に応じて、スクレイピングをしたいと思っています。
例えば

<td class="heading">
寸法
</td>
<td class="yahooHighlightSearch spec">
幅1600×奥行600×高さ700mm、引出し内形センタートレー・幅:758mm、奥行:382mm、高さ:42mm、サイドトレー・幅:322mm、奥行:382mm、高さ:42mm               
</td> 


タグの中に『寸法』と書いている次のタグの中身を『幅1600×奥行600×高さ700mm、引出し内形センタートレー・幅:758mm、奥行:382mm、高さ:42mm、サイドトレー・幅:322mm、奥行:382mm、高さ:42mm 』を取得するcssselectみたいな指定する方法が知りたいです。

初心者であまり詳しくないのですが、オススメの方法がありましたら教えていただけると幸いです。

 発生している問題・エラーメッセージ

取得先のHTMLソース

          <tr>            
            <th rowspan="9" mt:id="ATTR_ITEM_COL">商品仕様</th>
            <td class="heading">
              寸法
            </td>
            <td class="yahooHighlightSearch spec">
              幅1600×奥行600×高さ700mm、引出し内形センタートレー・幅:758mm、奥行:382mm、高さ:42mm、サイドトレー・幅:322mm、奥行:382mm、高さ:42mm               
            </td>                                                
            <td class="heading">
              カラー
            </td>
            <td class="yahooHighlightSearch spec">
              メープル/ホワイト               
            </td>                                    
          </tr>        
          <tr>                                    
            <td class="heading">
              奥行
            </td>
            <td class="yahooHighlightSearch spec">
              600
              mm
            </td>                                                
            <td class="heading">
              高さ
            </td>
            <td class="yahooHighlightSearch spec">
              700
              mm
            </td>                                    
          </tr>

 該当のソースコード

作りかけのPythonです。

import re

import requests
import lxml.html

def main():
    session = requests.Session()
    response = session.get('https://www.askul.co.jp/m/07-0706-0702001/')
    urls = scrape_list_page(response)
    for url in urls:
        response = session.get(url)
        desk = scrape_detail_page(response)
        print(desk)
        break

def scrape_list_page(response):
    root = lxml.html.fromstring(response.content)
    root.make_links_absolute(response.url)

    for a in root.cssselect('.listSetIn a[class="link"]'):
        url = a.get('href')
        yield url

def scrape_detail_page(response):
    root = lxml.html.fromstring(response.content)
    desk = {
        'url' : response.url,
**'size' : root.cssselect('[class="yahooHighlightSearch spec"]')[0].text_content(),**
    }
    return desk

if __name__ == '__main__':
    main()


cssselectだと同じ名前のものがあるため取得できません。

 試したこと

『幅1600×奥行600×高さ700mm、引出し内形センタートレー・幅:758mm、奥行:382mm、高さ:42mm、サイドトレー・幅:322mm、奥行:382mm、高さ:42mm』、『メープル/ホワイト』、『600』、『700』の情報を取得したいのですが、cssselectで取得しようとするとclassタグの名前が同じなので取得することができません。

 補足情報(FW/ツールのバージョンなど)

ここにより詳細な情報を記載してください。

  • 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・修正の依頼

  • mkgrei

    2018/07/18 07:25

    コードを```で囲ってください。全体の前後に3つずつです。

    キャンセル

まだ回答がついていません

同じタグがついた質問を見る

  • HTML

    9574questions

    HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

  • Python

    9206questions

    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。

  • Python 3.x

    7398questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • 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。