Webスクレイピングで特定のものをHTMLから抜き出すには？

Question

郵便番号・住所を抜き出し、表にまとめたいと思っています。該当のhtmlが以下のものです。うまく郵便番号と住所だけ抜き出す方法と、表にまとめる方法を知りたいです。
長くて申し訳ないです。ちなみにこの住所は自分の好きな焼き肉屋なので他意はないです。

<th style="width: 28%;">住所</th>
<td>〒206-0032<br />東京都多摩市南野2-31-7</td>
</tr>
<tr>
<th>TEL</th>
<td>042-316-9566</td>
</tr>
<tr>
<th>定休日</th>
<td>年中無休</td>
</tr>
<tr>
<th>営業時間</th>
<td>
<p>【月曜日～木曜日】<br />17:00～22:30（L.O.22:00）<br />【金曜日】<br />17:00～23:00（L.O.22:30）<br />【土曜日】<br />16:30～23:00（L.O.22:30）<br />【日曜日・祝日】<br />16:30～22:30（L.O.22:00）</p>
<p><span style="color: #ff0000;">※ご利用時間2時間（L.O30分前）</span></p>
</td>
</tr>
<tr>
<th>駐車場</th>
<td>有り（36台）</td>
</tr>
<tr>
<th>アクセス</th>
<td>小田急多摩線 唐木田駅から車で10分<span class="pc-only"><br /></span></td>
</tr>
<tr>
<th>クレジットカード</th>
<td>利用可能（VISA・MasterCard）</td>
</tr>
<tr>
<th>予約</th>
<td>【月曜日～金曜日】終日<br />※土曜日・日曜日や祝日はご予約をお受けできません。また予約定数に達した場合、ご予約をお受け致しかねる場合がございます。</td>
</tr>
</tbody>
</table>
<div class="box"><iframe width="100%" height="300px" style="border: 0;" src="https://www.google.com/maps/embed?pb=!1m14!1m8!1m3!1d1621.8938443319612!2d139.4262704!3d35.6083034!3m2!1i1024!2i768!4f13.1!3m3!1m2!1s0x6018fcbf478fffff%3A0x95c222aed02db60c!2z5ZGz44KT5ZGz44KTIOWkmuaRqeWNl-mHjuW6lw!5e0!3m2!1sja!2sjp!4v1544402052411" frameborder="0" allowfullscreen="allowfullscreen"></iframe></div>
<table border="0" cellpadding="5" data-epark="shop_id:173032" style="width: 100%; height: 60px; margin: 0 auto; background-color: #f0f0f0; font-size: 14px;">
<tbody>
<tr>
<td valign="middle" width="15%"><span style="color: red;"> <img src="https://epark.jp/images/portal_pc/api/clock.png" /> </span></td>
<td align="center" data-epark="message_block" style="background-color: #f0f0f0;" valign="middle" width="40%"><strong>ただいまの待ち<br /><span data-epark="waiting_info_block" data-epark-num-color="red"> <span style="color: red;">1</span>組</span></strong></td>
<td><span class="more box3"> <a class="add_arrow" href="https://epark.jp/detail/wait/173032?widgetimp=1" target="_blank" rel="noopener noreferrer">順番待ちサイト</a> </span></td>
</tr>
</tbody>
</table>
<script src="https://epark.jp/js/api/epark_site_shop_tag.js" charset="utf-8" onload="EparkSiteTag.onLoaded(this)" onreadystatechange="if(typeof EparkSiteTag != 'undefined'){EparkSiteTag.onLoadedIE(this)}">

これに対して以下のソースコードを使っています。

from bs4 import BeautifulSoup
import urllib.error,os
import urllib.request
import time,datetime
import pandas as pd
import numpy as np

shop_list = ['01','02','03','04','05','06','07','08','09','10','11','12','13','14','15','16','17','18','19','20','21','22']

url_list = ['https://www.y-minmin.com/shop#a{0}'.format(shop) for shop in shop_list]

print(len(url_list))
for url in url_list:
    print(url)


ua = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100'

req = urllib.request.Request(url_list[0], headers={'User-Agent':ua})
html = urllib.request.urlopen(req)

soup = BeautifulSoup(html,("html.parser"))


address_list = soup.find_all(['td','br','th'])

for k,v in enumerate(address_list):
     print(v.get_text().replace(" ",""))


post_address = []
other = []

for k,v in enumerate(address_list):

    if k % 2 == 0:
        post_address.append(v.get_text().replace(" ",""))
    else:
        other.append(v.get_text().replace(" ",""))

df = pd.DataFrame({'住所':post_address,'その他':other})
    

するとこのように返ってきます。

C:\test2>python sub0322.py
22
https://www.y-minmin.com/shop#a01
https://www.y-minmin.com/shop#a02
https://www.y-minmin.com/shop#a03
https://www.y-minmin.com/shop#a04
https://www.y-minmin.com/shop#a05
https://www.y-minmin.com/shop#a06
https://www.y-minmin.com/shop#a07
https://www.y-minmin.com/shop#a08
https://www.y-minmin.com/shop#a09
https://www.y-minmin.com/shop#a10
https://www.y-minmin.com/shop#a11
https://www.y-minmin.com/shop#a12
https://www.y-minmin.com/shop#a13
https://www.y-minmin.com/shop#a14
https://www.y-minmin.com/shop#a15
https://www.y-minmin.com/shop#a16
https://www.y-minmin.com/shop#a17
https://www.y-minmin.com/shop#a18
https://www.y-minmin.com/shop#a19
https://www.y-minmin.com/shop#a20
https://www.y-minmin.com/shop#a21
https://www.y-minmin.com/shop#a22
住所
〒206-0032東京都多摩市南野2-31-7

TEL
042-316-9566
定休日
年中無休
営業時間

【月曜日～木曜日】17:00～22:30（L.O.22:00）【金曜日】17:00～23:00（L.O.22:30）【土曜日】16:30～23:00（L.O.22:30）【日曜日・祝日】16:30～22:30（L.O.22:00）
※ご利用時間2時間（L.O30分前）








駐車場
有り（36台）
アクセス
小田急多摩線 唐木田駅から車で10分

クレジットカード
利用可能（VISA・MasterCard）
予約
【月曜日～金曜日】終日※土曜日・日曜日や祝日はご予約をお受けできません。また予約定数に達した場合、ご予約をお受け致し かねる場合がございます。


ただいまの待ち1組

順番待ちサイト

ここまで読んでいただいてありがとうございます。
よろしくお願いいたします。

Answer 1

「郵便番号と住所だけ」を取得したいのであれば下記方法では範囲が広すぎるかと思います。

address_list = soup.find_all(['td','br','th'])

セレクタで対象範囲を絞ると良いです。例えば下記コードです。

soup.select('.table-default tr:nth-child(1) td')

Comments

[yusuke_0923]

ありがとうございました。すっきりしました。
因みにさらに住所のみに絞るためにはどうしたらいいですか？

[meg_]

取得した文字列から抽出すれば良いかと思います。今回の場合は<br />の前後で分けられるかと思います。

[yusuke_0923]

どんな感じで書くとスマートですか？

[meg_]

私ならsplit()を使います。