🎄teratailクリスマスプレゼントキャンペーン2024🎄』開催中!

\teratail特別グッズやAmazonギフトカード最大2,000円分が当たる!/

詳細はこちら
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

1477閲覧

python beautifulsoupのパースについて

anonymous-man

総合スコア5

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2019/11/29 06:28

python beautifulsoup について。
request.getでrssを取得したあと、beautifulsoupでパースすると、
もともと <link>xxxxxxxx</link> となっているところが、 </link>xxxxxxxx
となってしまうため、 link を抽出できなくて困っています。
具体的には下記のような感じです。


import requests
import bs4

r = requests.get('http://alfalfalfa.com/index.rdf')
soup = bs4.BeautifulSoup(r.text,"html.parser")
link = str(soup('link')[1].string)

上記だと、結果が None になってしまいます。
理由は上記にも書きましたが、 print(soup.text)でパース後のrssを見てみると、

<link></link>の部分が正しくパースされておらず、</link>だけになっているためです。

パースの仕方が悪いのでしょうか。
ご教示のほど、何卒宜しくお願いします。

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

RSSならfeedparserで読み込めばいいです

Python, feedparserでRSS, Atomフィードを解析
https://note.nkmk.me/python-feedparser-tutorial/

投稿2019/11/29 11:42

barobaro

総合スコア1286

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。

anonymous-man

2019/11/29 15:18

ありがとうございます。 無事解決できそうです。
guest

0

RSS は HTML ではなく、XML なので、Beautiful Soup のパーサーには "html.parser" ではなく、"xml" を指定するべきではないでしょうか。

python

1import bs4 2import requests 3 4r = requests.get("http://alfalfalfa.com/index.rdf") 5# lxml が必要、なければ pip install lxml でインストールできる。 6soup = bs4.BeautifulSoup(r.text, "xml") 7 8print(soup.find_all("link"))

投稿2019/11/29 06:41

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
85.36%

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