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

88.60%

Rubyでスクレイピング HTMLの範囲を指定したい

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 88

manami0419

score 9

前提・実現したいこと

下記のHTMLは例なのですが、下記のようなHTMLのサイトでRubyを使ってスクレイピングをしたいと考えています。
またその際にこのコードの中でも、fuga1~fuga5までの単語だけをスクレイピングしたいです。

試したこととして、多くのサイトに書いてあるように、

△△.xpath('//div[@class="container"]').css('◯◯')


を使いました。
しかし、fuga1~fuga5はセレクタを持たないので、〇〇の部分に何を入れれば良いかわかりませんでした。
また.cssを使わずにスクレイピングすると、containerクラス全体がスクレイピングされてしまいます。

該当のソースコード

<div class="container">
  <br>
  申し込みはこちらから。
  <br>
  hogehoge
  <br>
  hogehoge
  <br>
  hogehoge
  <br>
  fuga1    <!-- ここから、 -->
  <br>
  fuga2    
  <br>
  fuga3
  <br>
  fuga4
  <br>
  fuga5    <!-- ここまでをスクレイピングしたい! -->
  <br>
</div>

nokogiriインストール済み
nokogiri、open-uriライブラリもインポート済み
ruby 2.6.5

知識のある方、ぜひよろしくお願いします( ; ; )

  • 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。

回答 1

checkベストアンサー

0

xxx.xpath('//div[@class="container"]/text()').map{|x|x.text.strip}


でテキストノードの配列が取れるので、添え字を指定して取得ですかね。

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。

  • 2020/11/23 00:03 編集

    > /text(1)
    そんなところに添え字は入れません。

    > 添字を何も入れずに実行した際なのですが、上記の例で言うと、fuga1~fuga5だけでなく、「申し込みはこちら」や、hogehogeまで取得している状態ですm(._.)m

    そりゃそうです。
    > でテキストノードの配列が取れるので添え字を指定して取得ですかね。
    は、HTMLにコメントが無いとすれば、
    ["", "申し込みはこちらから。", "hogehoge", "hogehoge", "hogehoge",
    "fuga1", "fuga2", "fuga3", "fuga4", "fuga5", ""]
    という配列になるので、その配列に添え字を指定するという意味なのですが。
    添え字は、[5..9]でしょうか。

    キャンセル

  • 2020/11/23 00:13

    XPathだけで添え字を指定すると、
    xpath('//div[@class="container"]/text()[position()>5 and position()<11]').map{|x|x.text.strip}
    と、ちょっとまだるっこしい感じですが、これでもいいです。

    キャンセル

  • 2020/11/23 00:32

    いろいろ間違えていてすみません( ; ; )
    今上記のコードで試してみたところ、欲しい値だけ取得できました!
    ありがとうございます!

    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 88.60%
  • 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