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

90.50%

  • Python

    8495questions

    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。

python lxml で htmlパース

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 1
  • VIEW 888

otaks

score 141

前提・実現したいこと

pythonでhtmlをパースしたい

発生している問題・エラーメッセージ

(1)
[u'\u897f']
と表示される。("西南西"等の日本語の方角を期待していた)

(2)
chrome上でF12を押して、対象タグ上で右クリック、xpath出力すると、
//*[@id="bd"]/div[1]/table/tbody/tr[17]/td[13]/
となります。(tbodyが入っている)
但しこれをxpathとして指定しても要素を取得することができません。([]となる)
どのパスを指定するのが正解ですか?

該当のソースコード

from urllib2 import *
import lxml.html
html2 = urlopen('http://www.tenki.jp/live/5/26/47636.html').read()
root2 = lxml.html.fromstring(html2)
t1 = root2.xpath('//*[@id="bd"]/div[1]/table/tr[17]/td[13]/text()')
print t1

試したこと

>>print t1.encode('utf_8')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'list' object has no attribute 'encode'

補足情報(言語/FW/ツール等のバージョンなど)

CentOS release 6.7
Python 2.6.6
lxml

  • 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

(1) 

xpathで得られる結果は基本的にlist型なので、t1[0]などのように対象となるものを個別指定しないと、「試したこと」にあるようなデコードなどが効きません。
print t1[0]としてみてください。

(2) 

curlなどのコマンドラインで該当のURLを実行してみた感じでは、少なくともHTMLのレスポンス自体にはtbodyはタグは存在しませんでした。
jsによる書き換えかChromeが補完してしまったのだと思います。
ので、今回の場合では掲載されたコードの通りのxpathで問題ないかと思います。

投稿

  • 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。

  • 2016/05/04 19:25

    回答ありがとうございました!

    (1)
    >>> print t1[0]
    西
    出力されました。

    (2)
    確かにwgetでとってくると<tbody>がついていません。
    このような差異があることもあるんですね。これからは生データも
    確認するようにしようと思います。

    キャンセル

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 90.50%
  • 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られる

関連した質問

同じタグがついた質問を見る

  • Python

    8495questions

    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。