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

90.02%

[BS4] requests.getで取得した結果が文字化け

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 696

Yukiya025

score 78

こんにちは! O'Reilly Japanカタログページrequests.getで取得すると、日本語部分に文字化けが発生します。これまで何度かスクレイピングをした経験はあるのですが、文字化けが発生したのは初めてです。

ゆくゆくは本のタイトルとリンクを取得し (Pythonに絞った結果を取得できれば更に嬉しい)、そのリンクに飛んで著者や価格、発行年を取得したいです。。。が、それ以前に文字化けの対処法がわからず困っています。

f1 = open('r.txt', 'w', encoding = 'utf-8')としてみましたが、結果が変わりませんorz
どうか知恵をお貸しください(._.)

現在のコード

from bs4 import BeautifulSoup
import requests
import warnings
warnings.filterwarnings('ignore')
r = requests.get("https://www.oreilly.co.jp/catalog/")

html_doc = r.text
soup = BeautifulSoup(html_doc)

print(soup.prettify())
f1 = open('r.txt', 'w', encoding = 'utf-8')
f1.write(html_doc)

取得データ一部

<tr><td>4-87311-061-0</td><td id="4873110610" class="title"><a href="../books/4873110610/">Javaネットワークプログラミング 第2版</a></td><td class="price">6,264 </td><td>2001/10/01</td></tr>

望む結果

<tr><td>4-87311-061-0</td><td id="4873110610" class="title"><a href="../books/4873110610/">Javaネットワークプログラミング 第2版</a></td><td class="price">6,264 </td><td>2001/10/01</td></tr>

oreilly

 できましたー(≧∇≦)

hayataka2049様のアドバイスでr.encoding = r.apparent_encodingを追加したら日本語がきちんと表示されるようになりました<3

完成コード

import requests
import warnings
warnings.filterwarnings('ignore')
r = requests.get("https://www.oreilly.co.jp/catalog/")
r.encoding = r.apparent_encoding

html_doc = r.text
soup = BeautifulSoup(html_doc)

print(soup.title)
f1 = open('r.txt', 'w')
f1.write(html_doc)

 GitHubにも上げました!

O'Reilly Scraping

  • 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

requetsで取った時点で化けてる気がするので、リンクを参考に修正してみてください。

Requestsで日本語を扱うときの文字化けを直す

投稿

  • 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。

  • 2018/10/17 12:45

    hayataka2049さま、ありがとうございます! 助かりました😆 ばっちり日本語が表示されました!
    requestsの時点で化けてたんですね(゚д゚)

    キャンセル

  • 2018/10/17 19:29

    GitHubにも上げましたので良かったらご覧ください。
    https://github.com/Yukiya025/CommerceScraper

    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 90.02%
  • 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