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%

タグの中のいらないものを除去

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 829

score 39

やりたいこと

pタグの中で、class等がない純粋な<p><p>で挟まれたもののみ抽出したい。

下記のコードにおいて、<p><p>で挟まれたAAA、BBB、CCCを抽出したいですが、pタグ内のspanやclassといったものが現状抽出されてしまいます。
どのようにすればよいでしょうか。

コード

~以上省略

soup = BeautifulSoup(html, 'html.parser')
soup.select('p')

上記結果

<p><span>ZZZ</span></p>,
 <p>AAA</p>,
 <p>BBB</p>,
 <p>CCC</p>,
 <p class="tags">YYY</p>,
 <p class="list"><a href="/WWW/"><img alt="VVV" src="/UUU"/></a></p>,
 <p class="tags">TTT<br class="sp"/>SSS</p>,
 <p class="hoge"><a class="tagb" href="/socialmedia/">RRR</a></p>,
 <p class="fuga"><a class="typesquare_tags" href="/chronicle/04/">4</a></p>,
 <p class="capion typesquare_tags">XXX</p>

soup.select('p')の方法を変えるのが良いか、アウトプットから正規表現で消す等を試行錯誤しています。
宜しくお願いいたします。

  • 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

  • gouf

    2019/04/05 14:56

    .text メソッドは利用可能ですか? : https://www.pytry3g.com/entry/BeautifulSoup

    キャンセル

  • mi2

    2019/04/05 14:59

    soup.select('p').textは出来ませんが、for文の中で.textメソッドは利用可能です。

    キャンセル

  • gouf

    2019/04/05 15:02

    map と組み合わせると .text をリストに適用できそうですか? : https://python.civic-apps.com/map-reduce-filter/

    キャンセル

  • mi2

    2019/04/05 15:30

    はい。できます。

    キャンセル

回答 1

checkベストアンサー

0

attrs に検索するタグの属性の条件を指定でき、ここには関数を指定することができます。
関数を指定した場合、引数として属性名がキー、属性値が値の dict オブジェクトが渡されます。
属性が1つもないということは空のdict {} が渡ってくるということなので、dict が空の場合は True、そうでない場合は False という関数を指定しておけばよいです。

html = '''<p><span>ZZZ</span></p>,
 <p>AAA</p>,
 <p>BBB</p>,
 <p>CCC</p>,
 <p class="tags">YYY</p>,
 <p class="list"><a href="/WWW/"><img alt="VVV" src="/UUU"/></a></p>,
 <p class="tags">TTT<br class="sp"/>SSS</p>,
 <p class="hoge"><a class="tagb" href="/socialmedia/">RRR</a></p>,
 <p class="fuga"><a class="typesquare_tags" href="/chronicle/04/">4</a></p>,
 <p class="capion typesquare_tags">XXX</p>'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(html)
vals = [t.text for t in soup.find_all('p', attrs=lambda attrs: not attrs)]
print(vals)  # ['ZZZ', 'AAA', 'BBB', 'CCC']

追記

単純に p タグの値だけ取り出すという意味でしたら、以下です。

html = '''<p><span>ZZZ</span></p>,
 <p>AAA</p>,
 <p>BBB</p>,
 <p>CCC</p>,
 <p class="tags">YYY</p>,
 <p class="list"><a href="/WWW/"><img alt="VVV" src="/UUU"/></a></p>,
 <p class="tags">TTT<br class="sp"/>SSS</p>,
 <p class="hoge"><a class="tagb" href="/socialmedia/">RRR</a></p>,
 <p class="fuga"><a class="typesquare_tags" href="/chronicle/04/">4</a></p>,
 <p class="capion typesquare_tags">XXX</p>'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(html)
vals = [t.text for t in soup.find_all('p')]
print(vals)  # ['ZZZ', 'AAA', 'BBB', 'CCC', 'YYY', '', 'TTTSSS', 'RRR', '4', 'XXX']

追記

html = '''<p><span>ZZZ</span></p>,
 <p>AAA</p>,
 <p>BBB</p>,
 <p>CCC</p>,
 <p class="tags">YYY</p>,
 <p class="list"><a href="/WWW/"><img alt="VVV" src="/UUU"/></a></p>,
 <p class="tags">TTT<br class="sp"/>SSS</p>,
 <p class="hoge"><a class="tagb" href="/socialmedia/">RRR</a></p>,
 <p class="fuga"><a class="typesquare_tags" href="/chronicle/04/">4</a></p>,
 <p class="capion typesquare_tags">XXX</p>'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(html)

vals = []
for t in soup.find_all('p'):
    # p タグの子でテキストがある要素のみ検索
    p_text = t.find(text=True, recursive=False)
    if p_text:
        vals.append(p_text)
print(vals)  # ['AAA', 'BBB', 'CCC', 'YYY', 'TTT', 'XXX']

投稿

編集

  • 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。

  • 2019/04/05 16:08

    ありがとうございます。
    確かに、p タグの子でテキストがある要素のみ取得できます。
    ただ、今度は以下p classの方が取得されるようになってしまいました。


    <p class="tags">YYY</p>,
    <p class="list"><a href="/WWW/"><img alt="VVV" src="/UUU"/></a></p>,
    <p class="tags">TTT<br class="sp"/>SSS</p>,
    <p class="hoge"><a class="tagb" href="/socialmedia/">RRR</a></p>,
    <p class="fuga"><a class="typesquare_tags" href="/chronicle/04/">4</a></p>,
    <p class="capion typesquare_tags">XXX</p>'''

    キャンセル

  • 2019/04/05 16:15

    最初の p タグを検索するところを
    soup.find_all('p')

    soup.find_all('p', class_=False)
    にすれば、class 属性があるのは対象外にできます。

    キャンセル

  • 2019/04/05 16:17

    失念しておりました。ありがとうございます。

    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