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

90.03%

[Python3 Scraping]`href`の中身を条件としてリンクを取得したい

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 1
  • VIEW 580

Yukiya025

score 78

 やりたいこと

hrefのリンクを取得するのには成功したのですが、hrefの中身が/projects/python/で始まるリンクに絞り込むにはどうしたら良いでしょうか。

コード

# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup
import requests
import csv
import warnings
warnings.filterwarnings('ignore')

r = requests.get("https://www.freelancer.com/archives/python/2018-40/")
soup_content = BeautifulSoup(r.content, "html.parser")
f1 = open('r.txt', 'w')
f1.write(r.text)
f1.close

soup = BeautifulSoup(r.text)
with open('allhref.csv', 'w+',newline='',encoding='utf-8') as f:
    writer = csv.writer(f, lineterminator='\n')
    for link in soup.find_all('a'):
        writer.writerow([link.get('href')])

get('href')の中身
全てではありませんが、主なもののみ

/info/how-it-works
/jobs/
/post-project
/projects/python/online-web-tool/
/projects/php/Project-for-Kseniia-17867039/

r.textの中身
全てではありませんが、主なもののみ

<a title="Project for Kseniia I. -- 18/09/30 05:09:30 Job" href="/projects/php/Project-for-Kseniia-17867039/" class="job">Project for Kseniia I. -- 18/09/30 05:09:30</a>
<a title="online web tool Job" href="/projects/python/online-web-tool/" class="job">online web tool</a>
<a title="Instagram credentials getting Job" href="/projects/php/Instagram-credentials-getting-fix/" class="job">Instagram credentials getting</a>

よろしくお願いしますm(__)m

 できましたー(≧∇≦)b

jun68yktさま、ありがとうございます!
おかげさまでできました(*^^*)

# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup
import requests
import csv
import re
import warnings
warnings.filterwarnings('ignore')

r = requests.get("https://www.freelancer.com/archives/python/2018-40/")
soup_content = BeautifulSoup(r.content, "html.parser")
f1 = open('r.txt', 'w')
f1.write(r.text)
f1.close

soup = BeautifulSoup(r.text)
with open('pythonHref.csv', 'w+',newline='',encoding='utf-8') as f:
    writer = csv.writer(f, lineterminator='\n')
    for link in soup.find_all('a', {'href': re.compile(r'^/projects/python/')}):
        writer.writerow([link.get('href')])
  • 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 1

checkベストアンサー

+1

こんにちは。

ご質問に挙げられているソースコードに、以下の2点で追加、修正してみるといかがでしょうか?
 
(1) 正規表現を使えるように、冒頭に以下を追加

import re

(2) soup.find_all の引数として'a'だけではなく、hrefの条件を以下のように追加

for link in soup.find_all('a', {'href': re.compile(r'^/projects/python/')}):


 
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。

  • 2018/10/14 17:17

    タイトルも合わせて、完全なリンクになるようにhttps://www.freelancer.com/も頭に付け足し、csvファイルに出力できるようにしてGitHubに上げました\(^o^)/
    https://github.com/Yukiya025/scrapefreelancer

    キャンセル

  • 2018/10/14 17:25

    拝見しまして、★ つけておきました〜

    キャンセル

  • 2018/10/14 17:26

    わー(≧∇≦) ありがとうございます<3<3<3

    キャンセル

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 90.03%
  • 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