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%
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。

HTML5

HTML5 (Hyper Text Markup Language、バージョン 5)は、マークアップ言語であるHTMLの第5版です。

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

1244閲覧

beautifulsoupを使って特定のthタグの下のtdを取得したい

user1

総合スコア24

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。

HTML5

HTML5 (Hyper Text Markup Language、バージョン 5)は、マークアップ言語であるHTMLの第5版です。

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2020/03/24 14:19

前提・実現したいこと

以下のように複数のtrタグで囲まれたhtmlがあるとします。

<tr> <th><a href="http://www.spec.org/auto/cpu2017/Docs/result-fields.html#CPUName">CPU Name</a>:</th> <td>Intel Xeon Gold 6154</td> </tr>, <tr> <th><a href="http://www.spec.org/auto/cpu2017/Docs/result-fields.html#MaxMHz">Max MHz.</a>:</th> <td>3700</td> </tr>, <tr> <th><a href="http://www.spec.org/auto/cpu2017/Docs/result-fields.html#Nominal">Nominal</a>:</th> <td>3000</td> </tr>,

beautifulsoupを使って、tdの中身を取得し、以下のようなリストを作りたいです。
CPU Name(th)の中のtdの値→Max MHz.(th)の中のtdの値→Nominal(th)の中のtdの値と順番は守って格納したいので、thがCPU Nameであればその下の要素のtdの'Intel Xeon Gold 6154'を取得するようにしたいのですがどのようにすればいいでしょうか。(thが存在しない行もまれにあります)

list = ['Intel Xeon Gold 6154', '3700', '3000']

補足情報(FW/ツールのバージョンなど)

CentOS 7
python 3.6

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

辞書型を使えばデータがない場合にも対応できそうです。

Python

1record = {'CPU Name': None, 'Max MHz': None, 'Nominal': None,}

上のHTMLだけで判断するならば下の通りになります。

Python

1def remove_noize(text): 2 res = text.strip("\xa0") 3 res = res.strip(":") 4 res = res.replace('.', "") 5 return res 6 7 8def main(): 9 # Note: html変数にはご質問で上げられたHTMLが入っているものとする 10 bs = BeautifulSoup(html, "lxml") 11 record = {'CPU Name': None, 'Max MHz': None, 'Nominal': None,} 12 keys = bs.find_all("th") 13 keys = list(map(remove_noize, [key.get_text() for key in keys])) 14 values = bs.find_all("td") 15 for key, value in zip(keys, values): 16 record[key] = value.get_text() 17  print(record) 18

投稿2020/03/25 01:03

退会済みユーザー

退会済みユーザー

総合スコア0

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。

user1

2020/03/25 13:43

大変参考になりました。 ありがとうございました!
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
85.50%

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