🎄teratailクリスマスプレゼントキャンペーン2024🎄』開催中!

\teratail特別グッズやAmazonギフトカード最大2,000円分が当たる!/

詳細はこちら
スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

Ruby

Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。

Webサイト

一つのドメイン上に存在するWebページの集合体をWebサイトと呼びます。

HTML

HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

Q&A

解決済

1回答

1144閲覧

Rubyでスクレイピング HTMLの範囲を指定したい

manami0419

総合スコア10

スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

Ruby

Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。

Webサイト

一つのドメイン上に存在するWebページの集合体をWebサイトと呼びます。

HTML

HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

0グッド

0クリップ

投稿2020/11/22 13:20

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

HTML

1<div class="container"> 2 <br> 3 申し込みはこちらから。 4 <br> 5 hogehoge 6 <br> 7 hogehoge 8 <br> 9 hogehoge 10 <br> 11 fuga1 <!-- ここから、 --> 12 <br> 13 fuga2 14 <br> 15 fuga3 16 <br> 17 fuga4 18 <br> 19 fuga5 <!-- ここまでをスクレイピングしたい! --> 20 <br> 21</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

Ruby

1xxx.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2020/11/22 14:06

otn

総合スコア85893

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。

manami0419

2020/11/22 14:34

ご回答ありがとうございます! 上記のコードの/text()のところに添字を入れて試してみたところ、下記のようなエラーが出ました( ; ; ) ERROR: Missing closing curly brace: //div[@class="rich-text"]/text(1) (Nokogiri::XML::XPath::SyntaxError) また、添字を何も入れずに実行してみると、containerクラスのテキストノードの部分だけ取得することができました。 何が問題なのでしょうか?
manami0419

2020/11/22 14:46

説明を追加いたします。 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
otn

2020/11/22 15:15 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。
otn

2020/11/22 15:13

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。
manami0419

2020/11/22 15:32

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!
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
85.36%

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