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

90.47%

  • Python 2.7

    1311questions

    Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

Python2.7でXPath(lxml使用)の抽出結果をstr型(シフトJIS)のリストで得たい

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 985

lemonade

score 6

Python2.7でlxmlのXPathを使って取得した抽出結果のデータを
最終的にシフトJISの文字列型(str型)のリストの形で得たいのですが、
どうもうまくいかず困っています。

xpathを使って抽出されたデータが格納される変数は、
print文で表示可能で一見するとunicode型のリストの形ではあるものの、
中に格納されているデータを組み込み関数のtypeで確認してみると、
「<type 'lxml.etree._ElementUnicodeResult'>」や
「<class 'lxml.etree._ElementStringResult'>」という形式になっています。
これらをstr型(シフトJIS)に変換できないものかと
自分なりにいろいろ試行錯誤してみましたがうまくいかず、
web検索して調べてみても良い解決策が見つかりませんでした。

一体どうすればXPathの抽出結果を
シフトJISの文字列型(str形式)のリストの形で
取得できるでしょうか?

ちなみに、当方の環境は、OSがWindows7(64bit)、
Pythonは2.7.10(32bit)です。 

# coding: cp932

import lxml.html

url = 'http://www.adobe.com/jp/#'
xpath_query = '//a/text()'
list = lxml.html.parse(url).xpath(xpath_query) 

print type(list)                #<type 'list'>
print list                    #リストの中身は確認可能。unicode型の文字列のリスト?
print list[236]                #UnicodeEncodeError: 'cp932' codec can't encode character u'\xed' in position 0:illegal multibyte sequence
print list[236].encode('cp932','ignore')        #何も表示されない
print type(list[236])            #<type 'lxml.etree._ElementUnicodeResult'>
print type(list[237])            #<class 'lxml.etree._ElementStringResult'>
  • 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
    • 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

以下のサイトが参考になるかと思います。
http://www.cafe-gentle.jp/challenge/tips/python_tips_003.html#text

投稿

編集

  • 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。

  • 2016/04/27 09:36 編集

    問題はlxmlの使い方ではなく、そもそもcp932で扱えない文字を変換しようとしていることが原因ではないかと思います。list[236]はハングルでした。

    キャンセル

  • 2016/04/27 12:22

    元データについては意識してませんでした。ご指摘ありがとうございました。

    キャンセル

  • 2016/04/29 23:37

    参考になりました。ありがとうございました。

    本質問は手違いで同様の質問が二重に存在する事態となってしまっております。
    オリジナルはこちら(https://teratail.com/questions/33281)です。
    オリジナルの方に解決策があります。

    質問を投稿したものの、推敲が足りず、質問を作り直したいと思うに至り、
    書き直した質問を新たに投稿した後にすぐに古い方の質問を取り消そうとしたのですが、
    取り消すことができない仕様であることに後から気がつきました。
    申し訳ございませんでした。

    キャンセル

関連した質問

同じタグがついた質問を見る

  • Python 2.7

    1311questions

    Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。