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

87.38%

beautifulsoupでMediumの本文を抽出したい(2)

受付中

回答 0

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 83

いつもお世話になっております。この質問は、
beautifulsoupでMediumの本文を抽出したい
の続きになります。

【実現したいこと】
Melianさんのコードにより、①のサイトでは無事解決することができました。
今回の質問内容は、前回の質問のサイト①の本文も
https://medium.com/cotinetwork/coti-newsletter-september-20th-a9cac08e22df
および今回の質問のサイト②の本文も
https://sundaeswap-finance.medium.com/sundaeswaps-iso-spo-vote-post-mortem-24159136aeb4
また他のMediumのブログの本文も、共通のコードで抽出したいと考えております。
完璧に本文を再現できなくても構いません。大体の本文が抽出できれば良いです。

【問題点】
Melianさんのコードにより、①のサイトでは無事解決することができました。ありがとうございます。
ですが、
同じ内容を②のサイト
https://sundaeswap-finance.medium.com/sundaeswaps-iso-spo-vote-post-mortem-24159136aeb4
で行ってみたところ、戻り値が

Sign in
SundaeSwap Labs
4 days ago·5 min read
456 
5
456 
456 
5


となりました。どうやら、本文よりも先にpタグが含まれている部分があり、そちらのテキストを取得してしまったようです。

beautifulsoupのselect_one関数は最初の1つだけを取得しているからこのようなことが起こることは認識しているのですが、2つめ以降のpタグを取得する方法に困っています。

ぜひともお知恵をお貸しいただければと思います。どうぞよろしくお願いいたします。

【試したこと】
select_oneではなくselectにして、またコード内にsectionというタグが複数あり、3つめくらいだと本文を抽出できそうかなと思い

section_list = soup.select('section')
cls_name_list = section_list[1].select("p")
cls_name = ' '.join(cls_name_list[2].select_one('p').get('class'))
text = '\n'.join(i.text for i in soup.select(f'p[class*="{cls_name[:8]}"]'))
print(text)


を試してみましたが
AttributeError: 'NoneType' object has no attribute 'get'
が表示されてしまいました。おそらくcls_name_list[2].select_one('p')がNoneになっているからだと思われます。

  • 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
    • 過去に投稿した質問と同じ内容の質問
    • 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。

質問への追記・修正の依頼

  • melian

    2021/11/24 07:29

    前回と同じコードで取得しますと、

    SundaeSwap Labs has always strived to be as transparent as we can, and now that the ISO Stake Pool Operator vote has concluded, we’d like to share our learnings and lessons from the process.
    Originally, the ISO SPO vote was designed to support dApp enabled wallets only. However, that would have limited wallet options to Nami and, given the current penetration of Nami, we had serious concerns about leaving out a significant portion of the community.
    :
    となりますので、どうやらそちらでお使いのコードが違う様ですね。前回のコードでは以下の様にしてクラス名を取得しているのですが、

    cls_name = ' '.join(soup.select_one('p[id][class]').get('class'))

    そちらではどの様にしていますか?

    キャンセル

  • 退会済みユーザー

    2021/11/24 11:07

    複数のユーザーから「過去に投稿した質問と同じ内容の質問」という意見がありました
    teratailでは閲覧数を増やす目的などにより、過去に投稿した質問と同じ内容の質問を新たに投稿することは推奨していません。
    質問について新たにわかったことや試したことがあれば、すでにある質問を編集してください。

  • Junzi_Kawamura

    2021/11/24 12:36

    返信ありがとうございます!!
    cls_name = ' '.join(soup.select_one('p[id][class]').get('class'))
    だったんですね。こちら訂正したら無事に動きました!

    (一番下の部分の
    text = '\n'.join(i.text for i in soup.select(f'p[class*="{cls_name[:8]}"]'))
    のほうしか見ていなくて、ここしか訂正していませんでした。
    なので、cls_nameは訂正前のコードを使っていました。)

    p[id][class]の表し方は属性セレクタというんですね。
    スタイルシートについて、勉強しておきます。
    本当にありがとうございます!!

    また、過去ログも見ることもこれからしていきます。
    Teratailに慣れていなくて、このようなことをしてしまいました。すみませんでした。

    キャンセル

まだ回答がついていません

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 87.38%
  • 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