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
85.50%
Scrapy

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。

Q&A

0回答

1286閲覧

特定の部分のスクレイピングができない

kojidooon

総合スコア4

Scrapy

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。

0グッド

1クリップ

投稿2018/07/18 06:18

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

python

1import scrapy 2from scrapy.linkextractors import LinkExtractor 3from scrapy.spiders import CrawlSpider, Rule 4from scrapy.selector import Selector 5from ted.items import TedItem 6 7 8class TedSpider(CrawlSpider): 9 name = 'ted_spider' 10 allowed_domains = ['digitalcast.jp'] 11 start_urls = ['http://digitalcast.jp/ted/'] 12 13 rules = [ 14 Rule(LinkExtractor(allow=r'.*'),callback='parse',follow=True,) 15 ] 16 17 def parse(self, response): 18 sel = Selector(response) 19 match_link = sel.xpath('.//div[@class="video_box_link"]') 20 for m in match_link: 21 next_url = m.xpath('.//a/@href').extract()[0] 22 print(next_url) 23 yield scrapy.Request(next_url, callback=self.parse_text) 24 25 def parse_text(self,response): 26 sel = Selector(response) 27 items = [] 28 for m in sel.xpath('.//div[@id="topic1"]'): 29 print(m) 30 item = TedItem() 31 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 32 item['text_en'] = ''.join(text_en) 33 item['text_en'] = item['text_en'].split("//") 34 item['text_jp'] = m.xpath('.//div[@class="wd_jp"]/p/text()').extract() 35 items.append(item) 36 yield item 37 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。

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
85.50%

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