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

90.47%

  • Python 3.x

    6962questions

    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。

HTML解析

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 756

cho

score 17


python3系,BeautifulSoup4でHTMLの解析を行っています.
対象テキストにどのようなマルチメディア(画像,動画,音楽)が存在するかを確認したいと考えています.
そこでテキスト内のメディアの拡張子を取得したいのですが,
どうのようにしたらよいのかわからず困っています.

どの拡張子が使われているかは未知なので,メディアを埋め込むタグを取得し,
そこから・・・という流れかなとは考えているのですが,
メディアを埋め込むタグも特定されていない状態ですので,よい方法が思いつきません.

どなたか教えていただけませんか.


以下のようにimgやsrcを指定することでメディアまで到達できますが,
上記でも書いたようにタグや属性は多くの種類があると思うのでそれをなんとか収集したいのです.

>>> tag=soup.find('img')
>>> tag
<img alt="" border="0" height="19" src="j/img/copyright.gif" width="258">
</img>


>>> tag['src']
'j/img/copyright.gif'
  • 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

0

ページ内に表示されているメディアファイルは、当該ページのHTML内に記述されているものだけでなく、JavascriptやCSSで表示されているものもあるため、pythonとbeatifulsoupのみでウェブページ内で利用されているメディアの種類を厳密に列挙するのは難しいと思われます。

厳密でなくて良いならば、例に挙げられているように"img", "embed", "video", "iframe", "bgsound"等のタグをパースする。もしくは、".png", ".jpg", ".mp4", ".ogg"等の拡張子を探す、のどちらかのアプローチになるかと思われます。

厳密にやりたいならば、seleniumやPhantom JS等のJavascriptも解釈できるツールを利用して、ページでロードされたファイルの一覧からメディアファイルを探すのが良いのではないでしょうか。

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。

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 90.47%
  • 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

関連した質問

同じタグがついた質問を見る

  • Python 3.x

    6962questions

    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。