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

90.32%

  • Scrapy

    106questions

    Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

特定の部分のスクレイピングができない

受付中

回答 0

投稿

  • 評価
  • クリップ 1
  • VIEW 168

kojidooon

score 0

 前提・実現したいこと

機械翻訳の研究を行っており、対訳コーパスをTEDのサイトから取り出そうとしています。

 発生している問題・エラーメッセージ

pythonでScrapyを用いて取り出そうとしているのですが一部の辞書機能がついた英単語の部分が取り出せません。
イメージ説明

 該当のソースコード

import scrapy
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule
from scrapy.selector import Selector
from ted.items import TedItem


class TedSpider(CrawlSpider):
    name = 'ted_spider'
    allowed_domains = ['digitalcast.jp']
    start_urls = ['http://digitalcast.jp/ted/']

    rules = [
        Rule(LinkExtractor(allow=r'.*'),callback='parse',follow=True,)
             ]

    def parse(self, response):
        sel = Selector(response)
        match_link = sel.xpath('.//div[@class="video_box_link"]')
        for m in match_link:
            next_url = m.xpath('.//a/@href').extract()[0]
            print(next_url)
            yield scrapy.Request(next_url, callback=self.parse_text)

    def parse_text(self,response):
        sel = Selector(response)
        items = []
        for m in sel.xpath('.//div[@id="topic1"]'):
            print(m)
            item = TedItem()
            text_en = m.xpath('.//div[@class="wd_txt"]/div[@class="wd_en"]/p/span/text()' or './/div[@class="wd_txt"]/div[@class="wd_en"]/p/a/span/text()').extract()#←ここの部分
            item['text_en'] = ''.join(text_en)
            item['text_en'] = item['text_en'].split("//")
            item['text_jp'] = m.xpath('.//div[@class="wd_jp"]/p/text()').extract()
            items.append(item)
            yield item
        print(items)

 試したこと

'.//div[@class="wd_txt"]/div[@class="wd_en"]/p/a[@class="wd_dic"]/span/text()'
にして見てもダメ

 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。

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

  • Scrapy

    106questions

    Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。