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

90.52%

  • Python

    11705questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

HTMLタグのカウント

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 1,409

cho

score 17


複数のファイルのHTMLタグの出現頻度をカウントしようと考えています.
事前にBeautifulSoupを用いて,複数ファイル内にどのようなタグがあるか確認し,tag.txtに書き出しました.
対象ファイルに含まれるタグは網羅できていますので,
このリストと比較して存在しないタグを含むファイルはありません.
また,タグの重複は削除済みです.

tag.txt

html
head
a
herf
...

現在,tag.txtを利用してタグのカウントを行う段階です.
ただ対象のテキストを読み込み,tag,txtにある文字列と一致させると,
'a'タグに'a'も引っかかりますが,he'a'dも引っかかることになります.

そこで,対象テキストをBeautifulSoupにかけ,タグだけ抜き取り,
カウントを行おうと考えています.

list=[]
for line in open('tag.txt'):
    line = line.strip()
    list.append(line)    #tag.txtをリストに格納


for dir in os.listdir(path):
    counts = []
    print(path  + dir)    #ファイルまでのパスを取得し,ファイル名をプラス

    f = open(path + dir, 'r')
    sample = f.read()

    sample=BeautifulSoup(sample)
    tag=[]
    tag=[x.name for x in sample.find_all(True)]    #対象テキストのタグをリストに格納

ここから,list内要素をカウントするためにhtml=0,a=0のように初期化し,
tag内の要素をカウントしていきたいのですが,うまく書くことができません.
ご教授願えませんか.

このやり方以外にスマートな方法があれば教えていただきたいです.

  • 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
    • 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

0

辞書オブジェクト(連想配列)を使うのはいかがでしょうか.
cはカウンタです.
c = {}
for ntag in tag:
    c[ntag] = c.get(ntag, 0) + 1

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。

  • 2015/10/27 11:07

    ご回答ありがとうございます.
    ご提示いただいたやり方だと,tag.txtは使用しない形になりますよね?
    tag.txtにあるタグの数をカウントしたいのですが,よろしければそれを踏まえて
    ご教授願えないでしょうか.

    キャンセル

  • 2015/10/27 11:45 編集

    確かにtag.txtは使いませんが,「このリストと比較して存在しないタグを含むファイルはありません」とあったので,問題ないのかと思いました.
    以下の方法では,listをリストではなく辞書にして,もしその辞書の中にタグが存在していればインクリメントしています.
    (どうもコメント蘭ではスペースが正しく表示されないので,アンダースコアに変えました.コピペする場合は,アンダースコアをスペースに変えてください.)
    -----------------------
    list = {}
    for line in open('tag.txt'):
    ____line = line.strip()
    ____list[line] = 0

    for ntag in tag:
    ____if ntag in list:
    ________list[ntag] = c.get(ntag) + 1
    -----------------------
    もし,tag.txtの順序を守りたければ,listは以下のように初期化してください.
    -----------------------
    import collections
    list = collections.OrderedDict()
    -----------------------

    キャンセル

  • 2015/10/27 13:33

    丁寧な回答ありがとうございます.
    もう一点お伺いしたいのですが,tag,txtにあるが,対象fileには存在しないタグというものがあります.
    そのタグもカウントの都合上,出現回数0と取得したいのですがどうしたらよいでしょうか.

    キャンセル

  • 2015/10/27 15:47

    訂正した方のコードでは,最初にtag.txt内にあるタグに対するカウンタを0で初期化しています.なので2つ目のfor文の中でインクリメントされなければ0のままです.

    キャンセル

0

python では list は 「listを作成する」という関数として存在するので、変数名としては利用しないほうが良いです。以下では質問者さんが作成したlist という名前の変数として・・・

c=[tag.count(l) for l in list]
とすれば、c は listの中のtag名の順に個数だけ入ったリストになります。タグ名と個数の両方が欲しいなら、
c=[(l,tag.count(l)) for l in list]
とすれば、cは (タグ名,個数) というタプルのリストになります。

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。

同じタグがついた質問を見る

  • Python

    11705questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。