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%
Beautiful Soup

Beautiful Soupは、Pythonのライブラリの一つ。スクレイピングに特化しています。HTMLデータの構文の解析を行うために、HTMLタグ/CSSのセレクタで抽出する部分を指定することが可能です。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Q&A

1回答

341閲覧

Python HTMLタグの操作について

AbcdefgFirst

総合スコア33

Beautiful Soup

Beautiful Soupは、Pythonのライブラリの一つ。スクレイピングに特化しています。HTMLデータの構文の解析を行うために、HTMLタグ/CSSのセレクタで抽出する部分を指定することが可能です。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

0グッド

0クリップ

投稿2018/11/29 09:41

質問したいこと

お世話になっております。
現在Python3のBeautifulsoup4のモジュールを用いてHTMLを解析しております。
対象のhtmlの中に<table>タグがいくつかあり、基本的には以下の様になっています。

No  要素  値    備考
1   Id   ID    aaa
2   Num  NUM    bbb
3   Code CODE  ccc

ここで例えば以下の様に、備考の項目のセルが共通の値として一つになっている場合、No2 No3のセルにも同様にaaaを入れたいです。

No  要素  値    備考
1   Id   ID   | aaa |
2   Num  NUM   | |
3   Code CODE  | |

<tableタグの何番目の<td>要素の値の様なデータの取り方をしているので、こういう<td>が途中に入っていると順番がずれてしまうので、最初に各行に同じ値を入れてから操作したいです。

共通の<td>の場合、最初のtdにだけcolspan,rowspan属性があるので、それで値を特定してから属性を消せば良いのでしょうか?

以上、よろしくお願いします。

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

回答1

0

こちらのサンプルを利用しました
http://programming-study.com/technology/html-rowspan/

python

1from bs4 import BeautifulSoup 2import pprint 3 4html = ''' 5<table border="1"> 6 <tr> 7 <th>ホット/コールド</th> 8 <th>種類</th> 9 <th>サイズ</th> 10 <th>価格(円)</th> 11 </tr> 12 <tr> 13 <th rowspan="2">ホット</th> 14 <td>コーヒー</td> 15 <td>S,M</td> 16 <td>150,200</td> 17 </tr> 18 <tr> 19 <!-- 上のセルと結合して消えるセル --> 20 <td>紅茶</td> 21 <td>Sサイズのみ</td> 22 <td>170</td> 23 </tr> 24 <tr> 25 <th>コールド</th> 26 <td>コーラ</td> 27 <td colspan="2">検討中</td> 28 <!-- 左のセルと結合して消えるセル --> 29 </tr> 30</table> 31''' 32 33soup = BeautifulSoup(html, 'html.parser') 34 35data = [] 36span = [] 37 38# リスト作成 39for y, trs in enumerate(soup.select('table > tr')): 40 41 temp = [] 42 43 for x, td in enumerate(trs.find_all(['th', 'td'])): 44 45 cell = td.get_text(strip=True) 46 temp.append(cell) 47 48 # spanリスト作成 49 rowspan = td.get('rowspan') 50 colspan = td.get('colspan') 51 52 if rowspan or colspan: 53 span.append({ 54 'x': x, 55 'y': y, 56 'row': int(rowspan) if rowspan else 0, 57 'col': int(colspan) if colspan else 0, 58 'data': cell 59 }) 60 61 data.append(temp) 62 63# リスト確認 64pprint.pprint(data) 65print('-' * 20) 66 67# spanリスト確認 68pprint.pprint(span) 69print('-' * 20) 70 71# 行の最大値 72row_max = len(data) 73 74# リストに挿入 75for i in span[::-1]: 76 77 # rowspan 78 if i['row'] > 1 and (i['y'] + i['row']) <= row_max: 79 for n in range(1, i['row']): 80 81 data[i['y'] + n].insert(i['x'], None) 82 # data[i['y'] + n].insert(i['x'], i['data']) 83 84 # colspan 85 if i['col'] > 1: 86 for n in range(1, i['col']): 87 88 data[i['y']].insert(i['x'] + n, None) 89 # data[i['y']].insert(i['x'] + n, i['data']) 90 91# リスト確認 92pprint.pprint(data)

投稿2018/12/05 02:58

編集2018/12/15 08:45
barobaro

総合スコア1286

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。

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

まだベストアンサーが選ばれていません

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