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!

ただいまの
回答率

88.82%

beautifulsoupで特定の文字列を

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 218

arara

score 2

from bs4 import BeautifulSoup
import json
import requests

target_url = "https://www.youtube.com/watch?v=dWuTh_BSmY4"#youtube_url
dict_str = ""
session = requests.Session()
headers = {'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'}

html = requests.get(target_url)
soup = BeautifulSoup(html.text, "html.parser")

next_url = "https://www.youtube.com/live_chat_replay?continuation=op2w0wRaGlBDamdhRFFvTGJUaEhUbWRNV2toelREZ3FKd29ZVlVNeFJFTmxaRkpuUjBoQ1pHMDRNVVV4Ykd4TWFFOVJFZ3R0T0VkT1oweGFTSE5NT0NBQkABcgIIBHgB"

html = session.get(next_url, headers=headers)
soup = BeautifulSoup(html.text,"lxml")
for scrp in soup.find_all("script"):
    if "window[\"ytInitialData\"]" in scrp.text:
        print("existed:window[\"ytInitialData\"]")
なし

beautifulsoupを扱えるよう学習している初学者です
最終的な達成目標としてはyoutube liveアーカイブのコメントの取得としています

soupの中身にwindow["ytInitialData"]の文字列が存在することはsoupの中身をテイストファイルに出力し確認しており、最後段のprint分でプログラム上でも認識できていることを確認したいのですが、出力されません。
なぜif文でこの特定の文字列を見つけられないのか、原因がわからず困っています。
ご教授いただけると幸いです。

なおここでソース上に掲載しているURLはニュースチャンネルのアーカイブであり、teratail上での掲載に差し支えないと判断し掲載しておりますが、念のため解決後にURL部分のみを訂正する予定です。

  • 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

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    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。

質問への追記・修正、ベストアンサー選択の依頼

  • kumitatepazuru_

    2020/07/05 17:15

    html.textの中身を教えてください

    キャンセル

回答 1

checkベストアンサー

+1

なんか、scriptタグのみ特別扱いっぽいですね。別のタグ名に置き換えて、

soup = BeautifulSoup(html.text.replace("script","scriptxx"),"lxml")
for scrp in soup.find_all("scriptxx"):
    if "window[\"ytInitialData\"]" in scrp.text:
        print("existed:window[\"ytInitialData\"]")


だと取れます。

scriptのままでも、.textじゃなくて.stringだと取れるようです。

soup = BeautifulSoup(html.text,"lxml")
for scrp in soup.find_all("script"):
    if scrp.string and "window[\"ytInitialData\"]" in scrp.string:
        print("existed:window[\"ytInitialData\"]")

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。

  • 2020/07/05 18:36

    念のための補足ですが、前者の方法を取るときは、タグ名以外にscriptという文字列がある場合にそれを置き換えてしまわないような考慮が必要です。面倒くさいのでそこまでしてません。

    キャンセル

  • 2020/07/05 18:36

    動作を確認できました。
    公式ドキュメントを参照したところ、scriptを含むいくつかのタグがおっしゃる通り特殊な扱いを受けているようです
    beautifulsoupのver4.9からのようですので、それ以前のバージョンだとそのままでも動くかもしれません(未検証ですが・・・)

    タグの種類ごとに扱いが異なるという点は思いつきもしませんでした。
    大変参考になりました。ありがとうございました。

    キャンセル

  • 2020/07/05 18:42

    補足ありがとうございます
    そうですね その点は念頭に置いておいた上で扱おうと思います。

    キャンセル

  • 2020/07/05 18:43

    > beautifulsoupのver4.9からのようですので、
    なるほど。いつも、http://kondou.com/BS4/ (4.2.0の日本語訳)を見てるの すが、道理で載ってないのか。

    scriptを含んだ上位のタグのtextを取った場合のことを考えると除外するのが便利なのかも知れません。

    キャンセル

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 88.82%
  • 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

関連した質問

同じタグがついた質問を見る