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

87.59%

【スクレイピング】Scrapyのyieldで格納した変数をタプルで返してファイルに出力したい

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,107

score 17

PythonでScrapyをしております。

芥川賞について、作者・書名・掲載誌を1つの情報にまとめたいと考えております。

スクレイピングしたいURLは以下のサイトです。

http://www.bunshun.co.jp/shinkoukai/award/akutagawa/list.html

以下のコードを書きました(おそらくかなり無駄なfor文を書いていると思います…)。

# -*- coding: utf-8 -*-
import scrapy


class AkutagawaSpider(scrapy.Spider):
    name = 'akutagawa'
    allowed_domains = ['www.bunshun.co.jp']
    start_urls = ['http://www.bunshun.co.jp/shinkoukai/award/akutagawa/list.html']

    def parse(self, response):
        for akutagawa in response.css('div.tab-content'):

            # 著者名のリストを取得
            names = []
            names += akutagawa.css('div.tab-pane dl dd span.name::text')[1:].extract()

            for name in names:
                name = name


            # 書名のリストを取得
            titles = []
            titles += akutagawa.css('div.tab-pane dl dd span.title::text')[1:].extract()

            for title in titles:
                title = title


            # 雑誌名のリストを取得
            magazines = []
            magazines += akutagawa.css('div.tab-pane dl dd span.magazine::text')[1:].extract()

            for magazine in magazines:
                magazine = magazine



            yield{
                'name': name,
                'title': title,
                'magazine': magazine,
                }

name, title, magazineに入れた変数を使って、最後の yield で{著者名, 書名, 掲載誌}という情報をすべて抜き出したいと考えております。

実行結果は以下のとおり、最後の情報1つしかしか抜き出せません。おそらく for文 の過程でデータが上書きされてしまっているのだと思います。

{'name': '石川達三', 'title': '蒼氓', 'magazine': '星座'}


芥川賞作家すべての情報を上記のタプルで抜き出したいです。

names, titles, magazinesのリストには各データがすべて入っているのですが、それを一つずつのタプルにまとめる方法が知りたいです。

最終的にはすべてをファイルに出力してデータとして使うつもりです。

何卒、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。

質問への追記・修正、ベストアンサー選択の依頼

  • t_obara

    2019/03/12 19:39

    まずは、三つではなくnamesだけでも所望の動作をするようにしてみてはいかがですか?forの内部でnamesに入れていますが、yeildにするにはforの外側でnamesをforで一つずつ取り出す必要があるのでは?

    キャンセル

  • mbase

    2019/03/12 23:00

    namesだけで試したところ、上手く出力できました。ありがとうございます!

    キャンセル

回答 1

checkベストアンサー

+1

tupleではなくdictではないでしょうか。それはいいんですが。

いまいち自信がないですが、たぶんこういうことだろうと山勘で回答。

    def parse(self, response):
        for akutagawa in response.css('div.tab-content'):
            names akutagawa.css('div.tab-pane dl dd span.name::text')[1:].extract()
            titles = akutagawa.css('div.tab-pane dl dd span.title::text')[1:].extract()
            magazines = akutagawa.css('div.tab-pane dl dd span.magazine::text')[1:].extract()

            for name, title, magazine in zip(names, titles, magazines):
                yield {'name': name,
                       'title': title,
                       'magazine': magazine}

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。

  • 2019/03/12 23:00

    ありがとうございます。無事に出力できました。
    for文で複数の変数を入れるときは zip(names, titles, magazines): という書き方をするんですね。勉強になりました!

    キャンセル

  • 2019/03/12 23:08

    念の為に書いておくと、zipそのものはfor文に付随する構文などではなく、ただの組み込みクラスです。どういう役割なのかはご自身で調べていただければと思います。

    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 87.59%
  • 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