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!

新規登録して質問してみよう
ただいま回答率
85.48%
スクレイピング

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 3.x

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。

Python

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。

HTML

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。

Q&A

0回答

1346閲覧

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

kenchiku

総合スコア4

スクレイピング

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 3.x

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。

Python

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。

HTML

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。

0グッド

0クリップ

投稿2018/07/17 09:51

編集2018/07/17 22:29

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

mkgrei

2018/07/17 22:25

コードを```で囲ってください。全体の前後に3つずつです。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだ回答がついていません

会員登録して回答してみよう

アカウントをお持ちの方は

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
85.48%

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る

質問する

関連した質問