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

89.20%

[BS4] コードがきちんと書かれていない? 部分の情報をスクレイピングしたい

解決済

回答 2

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 681

Yukiya025

score 80

こんにちは。
RとKerasによるディープラーニングの以下の情報を取得したいです。

  • 著者
  • 発行年月
  • ページ数

著者とページ数は取得できたのですが、発行月の2018年10月 発行がうまく取得できません。
この部分だけほかの2つとは書き方が違うのはわかるのですが、ではどうやれば取得できるのかがわかりません。

知恵をお貸しください(._.)

スクレイピングしたいhtml周辺

<ul class="biblio">
                <li itemprop="author">François Chollet、J. J. Allaire 著、瀬戸山 雅人 監訳、長尾 高弘 訳</li>
                <li>
                <meta itemprop="datePublished" content="2018-10-12">2018年10月 発行
                </li>
                <li><span itemprop="numberOfPages">400</span>ページ</li>
                <li>ISBN<span itemprop="isbn">978-4-87311-857-4</span></li>
                <li>フォーマット Print PDF </li>

                <li>原書: <a href="https://www.manning.com/books/deep-learning-with-r" target="_blank">Deep Learning with R</a></li>

</ul>

現在のコード

from bs4 import BeautifulSoup
import requests

def getpret():
    r1 = requests.get("https://www.oreilly.co.jp/books/9784873118574/")
    r1.encoding = r1.apparent_encoding

    html_doc = r1.text
    soup = BeautifulSoup(html_doc)
    print(soup.find(itemprop="author").text)
    print(soup.find(itemprop="datePublished")) # .textとするとエラー
    print(soup.find(itemprop = "numberOfPages").text)

getpret()

現在の出力結果
<meta content="2018-10-12" itemprop="datePublished"/>の部分が2018年10月 発行となるようにしたい。

François Chollet、J. J. Allaire 著、瀬戸山 雅人 監訳、長尾 高弘 訳
<meta content="2018-10-12" itemprop="datePublished"/>
400

 できましたー(≧∇≦)b

hayataka2049様のアドバイスのおかげでできましたー(>ω<)

# 完成コード
def getpret():
    r1 = requests.get("https://www.oreilly.co.jp/books/9784873118574/")
    r1.encoding = r1.apparent_encoding

    html_doc = r1.text
    soup = BeautifulSoup(html_doc)
    print(soup.find(itemprop="author").text)
    print(soup.find(itemprop="datePublished")["content"])
    print(soup.find(itemprop = "numberOfPages").text)

getpret()

もうひとつの候補

print(soup.find(itemprop="author").text)
print(soup.find(itemprop="datePublished").parent.text)
print(soup.find(itemprop = "numberOfPages").text)


ちなみに上記のコードにすると出力結果が以下のようになる(._.)
何故か出力結果に改行。。。

François Chollet、J. J. Allaire 著、瀬戸山 雅人 監訳、長尾 高弘 訳

201810月 発行

400

 改行を消すコード

改行を消すコードをbarobaro様に教えてもらいました! ありがとうございます<3

改行を消すコード

def getpret_teratail():
    r1 = requests.get("https://www.oreilly.co.jp/books/9784873118574/")
    r1.encoding = r1.apparent_encoding

    html_doc = r1.text
    soup = BeautifulSoup(html_doc)
    print(soup.find(itemprop="author").text)
    print(soup.find(itemprop="datePublished").parent.get_text(strip=True))
    print(soup.find(itemprop = "numberOfPages").text)

getpret_teratail()
  • 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
    • 過去に投稿した質問と同じ内容の質問
    • 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 2

checkベストアンサー

+1

<li>
    <meta itemprop="datePublished" content="2018-10-12">2018年10月 発行
</li>

<meta itemprop="datePublished" ...>の親のliタグのtextを取れば良いです。

    print(soup.find(itemprop="datePublished").parent.text)

あるいは、発想を転換してcontent="2018-10-12"を取ってみてはどうですか。

    print(soup.find(itemprop="datePublished")["content"])

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。

  • 2018/10/18 19:37

    hayataka2049様、ありがとうございます! できました(*^^*)
    > 発想を転換してcontent="2018-10-12"
    たしかに、今後日付でソート、みたいなことしたいかもなのでこちらを採用しました<3

    キャンセル

+1

.textのところを.get_text(strip=True)にすると前後の空白文字が除去できます

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。

  • 2018/10/19 11:27

    barobaro様、おはようございます<3
    なるほど(゚д゚) ありがとうございます! できましたー(≧∇≦)b

    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 89.20%
  • 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