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%
XML

XMLは仕様の1つで、マークアップ言語群を構築するために使われています。

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。

RSS

RSS(Really Simple Syndication)はブログのエントリやニュースの見出し、標準のフォーマットの音声やビデオなどを発行するために使われるウェブフィードのフォーマットの集合体です。

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

2200閲覧

XML文書内タグの属性値をfind_all()メソッドで取得したい

fukazume

総合スコア78

XML

XMLは仕様の1つで、マークアップ言語群を構築するために使われています。

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。

RSS

RSS(Really Simple Syndication)はブログのエントリやニュースの見出し、標準のフォーマットの音声やビデオなどを発行するために使われるウェブフィードのフォーマットの集合体です。

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2020/06/05 06:11

編集2020/06/05 06:35

##◆質問
とあるXML形式のRSSから、itemタグのrdf:about属性値をfind_all()メソッドを使ってリストで取得したいです。

##◆現状の問題点
find()で1つずつの属性値は取得できますがリストでの一括取得はできていません。

Python

1import requests 2from bs4 import BeautifulSoup as bs4 3 4urls = soup.find_all('item', rdf:about=True) # エラーになる 5url = soup.find('item').get('rdf:about') # find()で1つずつの属性値は取得できるがリストでの一括取得はできない 6titles = soup.find_all('title') 7dts = soup.find_all('dc:date')

RSSの構造は以下のとおりです。

XML

1<item rdf:about="【URLが入る】"> # ★rdf:about属性の値をリストで取得したい! 2 <title>【文字列が入る】</title> 3 <link>【URLが入る】</link> 4 <description>【文字列が入る】</description> 5 <dc:subject>【文字列が入る】</dc:subject> 6 <dc:date>【日付時刻が入る】</dc:date> 7</item> 8<item rdf:about="【URLが入る】"> # ★rdf:about属性の値をリストで取得したい! 9 (中略) 10</item> 11<item rdf:about="【URLが入る】"> # ★rdf:about属性の値をリストで取得したい! 12 (中略) 13</item>

##◆環境
・Windows 10
・Python 3.8.3
・Beautiful Soup使用

アドバイスをいただけましたら、幸いでございます。
どうぞよろしくお願い申し上げます。

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1

0

ベストアンサー

下記でいかがでしょう。
rdfがほしいというのを見落としていたので追記。

python3

1urls = soup.find_all('item', attrs={"rdf:about": True}) # エラーになる 2 3rdfs = [item.get("rdf:about") for item in urls] 4print(rdfs) 5# ['【URLが入る】', '【URLが入る】', '【URLが入る】']

投稿2020/06/05 06:48

編集2020/06/05 06:54
jeanbiego

総合スコア3966

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。

fukazume

2020/06/05 06:59 編集

ありがとうございます!ご提示いただきましたコードで取得した値をprint(urls)で表示させると、itemタグ内の全要素が表示されました。上記のXML文書例で (中略)としている内容など入れ子の部分も含めて表示される感じです。期待する取得値は"https://〜", "https://〜", "https://〜" のような複数URLが格納されたリストです。ややこしくて申し訳ございません!
fukazume

2020/06/05 07:04

ご回答の更新を今確認いたしました。取得できてるっぽいです。大感謝です!さらなる検証の結果は追ってご報告いたします。取り急ぎ、以上です。
fukazume

2020/06/05 07:54

itemタグの要素をリストで取得してから、for文を使ってリストでrdfsを抽出するイメージなのですね。改めて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
85.48%

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