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

89.69%

文字コードについて

解決済

回答 3

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,390

terate

score 100

下記コードのcharsetに”Shift_JIS”を代入しても、charset = f.charsetにShift_JISが入らない原因は何が考えられるでしょうか?

# URLにアクセスするためのライブラリの読み込み
require 'open-uri'
# Nokogiriライブラリの読み込み
require 'nokogiri'

# スクレイピング先のURL
url = 'shift-jisのサイト'

charset = ”shift-jis”
html = open(url) do |f|
  charset = f.charset # 文字種別を取得
  f.read # htmlを読み込んで変数htmlに渡す
end

# htmlをパース(解析)してオブジェクトを生成
doc = Nokogiri::HTML.parse(html, nil, charset)
  • 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
    • 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。

回答 3

+1

こちらのサイトが参考になるのではないかと思います。
http://route477.net/d/?date=20110119

URIを渡してopenしているのはrequire 'open-uri'しているからだと思いますが、
そのopen-uriでのファイルオブジェクトはOpenURI::Metaとして拡張されていますので、
以下のページをいちど参照されるとよいかと思います。
参考:
http://docs.ruby-lang.org/ja/2.1.0/class/OpenURI=3a=3aMeta.html
http://docs.ruby-lang.org/ja/2.1.0/library/open=2duri.html

具体的な解決策を提示できず申し訳ないですが、お役に立てれば幸いです。

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。

  • 2016/02/25 23:03

    ありがとうございます!リンク先も読んでみました!すごく勉強になりました!!

    キャンセル

+1

charset = ”shift-jis” 
html = open(url) do |f| 
  charset = f.charset 
  p f.charset # -> 何が出力されますか?
  f.read 
end


OpenURI::Metaリファレンスによると以下のように記述されています。

charset -> String | nil
charset { ... } -> String


なのでnilが代入されてませんか?ちなみにdoc = Nokogiri::HTML.parse(html)だけだと,不都合があるのでしょうか?

おそらくコードの問題ではなく読み込むurlのソースに問題がありそうです。対症療法的ですが,
charset = f.charset||charset
あたりで逃げてみるというのも手かもしれません。

自分の経験からスクレイピングで厄介なのは,こちら側のコードの問題より,スクレイピング先のhtmlコードに問題がある場合でした。

投稿

編集

  • 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。

  • 2016/02/25 23:03

    ありがとうございます!スクレイピング先の問題もあるんですね。。大変勉強になりました!

    キャンセル

checkベストアンサー

0

charset = ”shift-jis” じゃなくcharset = "Shift_JIS"
としてもだめでしょうか?

追記
 こちらのサイトが参考になりそうなのですが、
 いかがでしょうか?

 http://ref.xaio.jp/ruby/classes/string/encode

投稿

編集

  • 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。

  • 2016/02/23 23:55

    ごめんなさい、今自分でも気づき編集致しました。”Shift_JIS”でもダメなんです・・

    キャンセル

  • 2016/02/24 00:00

    url = 'shift-jisのサイト'

    charset = ”Shift_JIS”
    html = open(url) do |f|
    f.read # htmlを読み込んで変数htmlに渡す
    end

    html.encode(charset)

    じゃだめでしょうか?

    キャンセル

  • 2016/02/25 23:02

    本当にありがとうございます!そのようにして解決致しました!

    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 89.69%
  • 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

同じタグがついた質問を見る