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
85.48%
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

2回答

737閲覧

Beautifulsoupで何のタグにも属さない文章を取得する方法

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

1クリップ

投稿2019/08/16 16:05

編集2019/08/17 03:25

以下のような何のタグの中にも入っていない要素を取得したいのですが、そうのようにしたらいいでしょうか?
文章自体はfontタグを区切りに続いているのですが、いいアイデアが思いつかないのでご教授お願いします

html

1<font color="#000088"><b><a href="revpick.cgi?TITLE_NO=252&amp;REVPER_NO=27743">840.</a></b></font>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。 <font color="BLUE"><a href="revper.cgi?REVPER_NO=27743">roadster316</a></font>さん <font color="#AA5500">[DVD(字幕)]</font> <font color="GREEN">9点</font>(2019-07-20 01:48:01)<br/><br/> 2 3<font color="#000088"><b><a href="revpick.cgi?TITLE_NO=252&amp;REVPER_NO=27821">839.</a></b></font><b><font color="RED">《ネタバレ》</font></b> 良く出来た面白い映画。学園祭でのギターの歴史をたどるパフォーマンスは圧巻。でも、一番の見所は、現代に帰る所。ハラハラドキドキで、最後に雷エネルギーを使う所が最高。また、ヘリコプターを飛ばす映像を使って、現代に戻った事を明示するシーンは、鳥肌もの <font color="BLUE"><a href="revper.cgi?REVPER_NO=27821">にけ</a></font>さん <font color="#AA5500">[映画館(字幕)]</font> <font color="GREEN">8点</font>(2018-12-26 20:08:59)<br/><br/> 4

取得したい文章

python

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。', 2'良く出来た面白い映画。学園祭でのギターの歴史をたどるパフォーマンスは圧巻。でも、一番の見所は、現代に帰る所。ハラハラドキドキで、最後に雷エネルギーを使う所が最高。また、ヘリコプターを飛ばす映像を使って、現代に戻った事を明示するシーンは、鳥肌もの']

#追記
html構成が非常に長くなるので、長くなるので該当コードとクロームで見た構成は以下です

python

1reviewer_url = 'https://www.jtnews.jp/cgi-bin_o/review.cgi?TITLE_NO=252&' 2 3# 1th page 4for i in range(1,2): 5 reviewer_url_no = reviewer_url + str(i) 6 7 #データ取得 8 result = requests.get(reviewer_url_no) 9 c = result.content 10 11 #HTMLを元に、オブジェクトを作る 12 soup = BeautifulSoup(c, "lxml")

html構成

txt

1<html> 2 --<hrad></head> 3 --<body> 4 --<table> 5 --<tbody> 6 --<tr> 7 <td valign='TOP'>ここに文章がある</td> 8 --</tr> 9 --</tbody> 10 --</table> 11 --</body> 12--</html>

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2

0

ベストアンサー

<td valign='TOP'>ここに文章がある</td>

この<td>タグを、.find('td')で指定して .textすれば取り出せませんか?

投稿2019/08/17 07:49

編集2019/08/17 07:50
atk_721

総合スコア62

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。

0

xpathなどは試しましたか?
HTMLの構造が知りたいです。

r = requests.get('取得したい情報のあるURL') Soup = BeautifulSoup(r.text,'lxml') print(Soup.prettify())

このようにするとHTML構造がよくわかると思いますので

<font color="#000088"><b><a href="revpick.cgi?TITLE_NO=252&amp;REVPER_NO=27743">840.</a></b></font>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。 <font color="BLUE">【<a href="revper.cgi?REVPER_NO=27743">roadster316</a>】</font>さん <font color="#AA5500">[DVD(字幕)]</font> <font color="GREEN">9点</font>(2019-07-20 01:48:01)<br/><br/>

<body>タグの中にどのように存在するのか知りたいです。

投稿2019/08/16 17:06

編集2019/08/16 17:47
atk_721

総合スコア62

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。

trafalbad

2019/08/17 03:26

追記しました、よろしくお願いします
guest

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
85.48%

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