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%
スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

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

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。

Q&A

解決済

1回答

1993閲覧

Beautifulsoupで<font>タグの下の文を取得する方法

trafalbad

総合スコア303

スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

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

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。

0グッド

0クリップ

投稿2019/08/16 08:29

Beautifulsouopで以下のように<font>タグの下の「文章のみ」を取得したのですがどのようにすればいいでしょうか?ご教授お願いします。

python

1summary = soup.find_all("td",{'valign':'TOP'}) 2print(summary)

html

1# summary 2<font color="#000088"><b><a href="revpick.cgi?TITLE_NO=252&amp;REVPER_NO=27743">840.</a></b></font> 3 4年取ってから改めて観てみると、意外に面白くなかったり、今時これじゃあ物足りないと思ったりしてしまう映画はたくさんあるが、この映画はいつ観ても、何度観てもやっぱりワクワクドキドキしてしまう。<br/>きっと百年後も、ずっと愛され続ける映画の一本。 5<font color="BLUE"><a href="revper.cgi?REVPER_NO=27743">roadster316</a></font>さん <font color="#AA5500">[DVD(字幕)]</font> 6 7<font color="GREEN">9点</font> 8(2019-07-20 01:48:01)<br/><br/>

取得したい文章

tex

1年取ってから改めて観てみると、意外に面白くなかったり、今時これじゃあ物足りないと思ったりしてしまう映画はたくさんあるが、この映画はいつ観ても、何度観てもやっぱりワクワクドキドキしてしまう。きっと百年後も、ずっと愛され続ける映画の一本。

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

ベストアンサー

最初の font タグから次に font タグの間の文字列を取得したい場合、以下のようにすればできます。

python

1import itertools 2 3html = """ 4# summary 5<font color="#000088"><b><a href="revpick.cgi?TITLE_NO=252&amp;REVPER_NO=27743">840.</a></b></font> 6 7年取ってから改めて観てみると、意外に面白くなかったり、今時これじゃあ物足りないと思ったりしてしまう映画はたくさんあるが、この映画はいつ観ても、何度観てもやっぱりワクワクドキドキしてしまう。<br/>きっと百年後も、ずっと愛され続ける映画の一本。 8<font color="BLUE">【<a href="revper.cgi?REVPER_NO=27743">roadster316</a>】</font>さん <font color="#AA5500">[DVD(字幕)]</font> 9 10<font color="GREEN">9点</font> 11(2019-07-20 01:48:01)<br/><br/> 12""" 13 14from bs4 import BeautifulSoup, NavigableString 15 16soup = BeautifulSoup(html) 17 18# 最初の font から次の font の間にある文字一覧を取得する。 19text = itertools.takewhile( 20 lambda x: isinstance(x, NavigableString), soup.font.next_siblings 21) 22 23# 文字列を結合して1つの文字列にした上で、文頭、文末の空白は除く。 24text = "".join(text).strip() 25 26print(text) 27# 年取ってから改めて観てみると、意外に面白くなかったり、今時これじゃあ物足りないと思ったりしてしまう映画はたくさんあるが、 28# この映画はいつ観ても、何度観てもやっぱりワクワクドキドキしてしまう。

スクレイピング - Beautiful Soup の DOM ツリーのアクセス方法 まとめ

Python - itertools チートシート (頻出パターン)

投稿2019/08/16 08:44

編集2019/08/16 08:45
tiitoi

総合スコア21956

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

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