pythonでのwebスクレイピングで作成したURLリストから特定の文字を含むURLのみを取得する方法について
解決済
回答 2
投稿
- 評価
- クリップ 0
- VIEW 249
現在pythonでwebスクレイピングを行っています。
URLリスとを作成するところまでは実現できたのですが、リスト内のURLには関係ないURLも含まれております。
そこで"https://****/Forum/ja/"を含むURLのみを抽出したいと考え実装を行っておりますが、実現できません。
どの様にすればよろしいでしょうか？お力添えよろしくお願いいたします。
from bs4 import BeautifulSoup
import requests
# アクセスするURL
url = "https://****/Forum/ja/home"
# htmlを取得、BeautifulSoupで扱う
r = requests.get(url)
soup = BeautifulSoup(r.content, 'html.parser') # BeautifulSoupの初期化
tags = soup.find_all("a")
for tag in tags:
print(tag.get("href"))-
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
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。
- 質問回答など一定の行動
-
メールアドレスの認証
メールアドレスの認証
-
質問評価に関するヘルプページの閲覧
質問評価に関するヘルプページの閲覧
check解決した方法
0
パターンリストを作成しURLのみを抽出しました。
お力を貸してくださった回答者様ありがとうございました。
pattern = "https?://[\w/:%#\$&\?\(\)~\.=\+\-]+"
text = url_list
url_list = re.findall(pattern, text)
print(url_list)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。
0
reで正規表現しましょう。
import re
href = tag.get("href")
if re.match(r'https://.+/Forum/ja/', href):
print(herf)
条件がこれだけならもっと単純に
if href[:8] == 'https://' and href[-10:] == '/Forum/ja/':
print(herf)
でもいいですね。
ただし、リンクがhttpsまで入った絶対パスで書いてあるとは限らないのでurllib.parse.urljoinで絶対パスにしたほうがいいと思います。
from urllib.parse import urljoin
href = urljoin(url, tag.get("href"))本当に左はhttps://まででいいんでしょうか？
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。
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 88.19%
- 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