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
85.35%
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。

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。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

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

1回答

1153閲覧

スクレイピングで指定していない要素まで取得してしまう

jori_eei

総合スコア0

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。

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。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

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2020/11/25 16:39

前提・実現したいこと

初学者です。
スクレイピングで指定していない要素まで取得してしまうことについて質問です。
例えば以下のコードのようにclass="aaa"を取得していにも関わらず、その下の要素も取得してしまうことがあります。
これは毎度ではなく、稀に狙い通りに取得できたり、不要な部分も取得してしまったりといったようになっており、原因の特定ができません。
よろしくお願いします。

該当のソースコード

html

1... 2 3<tbody> 4 <tr> 5 <a href="..." class="aaa">取得したいテキスト</a> 6 </tr> 7 <tr> 8 稀に取得される不要なテキスト 9 </tr> 10</tbody> 11 12...

Python

1resp = requests.get(url) 2soup = BeautifulSoup(resp.text, 'html.parser') 3 4tags = soup.select(".aaa") 5result = [tag.get_text(".aaa") for tag in tags] 6print(result)

 
出力1(うまくいった場合)

['取得したいテキスト']

 
出力2(うまくいかなかった場合)

['取得したいテキスト', '稀に取得される不要なテキスト']

試したこと

select以外にfindを使用する

補足情報(FW/ツールのバージョンなど)

Python3.8.2
BeautifulSoup4.9.3

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。

plasticgrammer

2020/11/26 00:48

確認です。 実際のコードも tag.get_text(".aaa") としていますか?(引数の".aaa"は不要では?)
guest

回答1

0

提示されているhtmlとコードでは一度も再現しないのでわかりませんが、私なら下記の様に書きますね。
稀に発生するのであればHTMLの構成が他と違ったりするのかもしれません。
下記のコードで複数の要素が見つかるのであればaタグでクラスがaaaの要素が他にも存在するのだと思います。

python3

1result = [r.text for r in soup.find_all("a", class_="aaa")]

投稿2020/11/26 00:47

fsoe

総合スコア163

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。

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

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

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
85.35%

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