🎄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。

タグ

特殊な記法により文書に埋め込む形で記述される付加情報をタグと呼びます。文書構造や書式、文字飾りなどを指示したり、画像や他の文書へのリンクを埋め込むことができる。

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

解決済

1回答

1525閲覧

Pythonを用いたスクレイピング

ponponpain_kun

総合スコア3

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。

タグ

特殊な記法により文書に埋め込む形で記述される付加情報をタグと呼びます。文書構造や書式、文字飾りなどを指示したり、画像や他の文書へのリンクを埋め込むことができる。

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

1クリップ

投稿2021/01/20 11:46

pythonを用いたスクレイピングに取り組んでいます
対象のURLをリストとして取得し、http://やhttp://を削除して
新しくリストで書き込もうとしているのですが、変換されません。
どなたかご教授下さい。

もう一つ質問ですが、出力時のタグを取り除く方法はありますか(テキストのみを書き込みたい)

python

1from bs4 import BeautifulSoup 2import urllib.request 3 4# URL 5url = "https://ichiba.faq.rakuten.net/detail/000009756" 6# URLにアクセス 7html = urllib.request.urlopen(url) 8# HTMLをBeautifulSoupで扱う 9soup = BeautifulSoup(html, "html.parser") 10elems = soup.select("#faqDetailAnswer > div > p ") 11 12#リスト変換 13list = [] 14for a in elems: 15 newlist=elems.replace('https://', '').replace('http://', '') 16 list.append(newlist) 17 18 19# 書き込み 20with open('test.txt', 'w') as f: 21 for d in list: 22 f.write("%s\n" % d)

出力結果は以下のとおりです
<br/>http://www.catpart.xyz/<br/>http://www.radioterm.xyz/<br/>http://www.firstpaul.icu/<br/>http://www.oilafrica.icu/<br/>http://www.workyahoo.icu/<br/>http://www.iranma.icu/<br/>http://www.nydesign.icu/<br/>http://www.capitalenough.club/<br/>http://www.cruiseforce.club/<br/>http://www.argentinatechnical.xyz/<br/>http://www.b2bparts.xyz/<br/>http://www.topcare.icu/<br/>http://www.expressview.fun/<br/>http://www.vietnamturn.xyz/<br/>http://www.istanbulor.xyz/<br/>http://www.islamat.xyz/<br/>http://wwwcash.club/<br/>

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。

meg_

2021/01/20 12:08

質問のコードはエラーが発生しませんか?
ponponpain_kun

2021/01/20 12:33

'NoneType' object is not callable のエラーが出ました
meg_

2021/01/20 14:01 編集

> 出力結果は以下のとおりです どうやって出力したのでしょうか?? 質問のコードと実行したコードは別では?(この質問は解決済なのでもうどうでも良いかもしれませんが)
guest

回答1

0

ベストアンサー

#リスト変換の部分を、

Python

1lst = [] 2for a in elems: 3 for url in str(a).split("<br/>"): 4 url = url.replace('</p>', '').replace('https://', '').replace('http://', '') 5 lst.append(url) 6````<br/>`で分けてリストにして、`replace`すればいいのではないでしょうか?

投稿2021/01/20 12:07

編集2021/01/20 12:08
ForestSeo

総合スコア2722

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。

ponponpain_kun

2021/01/20 12:42

変換すると, for d in list: TypeError 'type' object is not iterable のエラー返されました…
ForestSeo

2021/01/20 21:06

listじゃなくてlstです。 listは、Pythonの標準関数名なので、変数名にするのは避けます。
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