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

90.45%

  • Python

    12338questions

    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でWebスクレイピングを行うと文字化けします。

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 2,631

doz13189

score 30

pythonでWebスクレイピングを行おうとしているのですが、出力が文字化けします。
下記のコードが文字化けしている出力です。sucraping_naver.pyのファイルを実行しているのですが、上側に文字が化けて出現します。

ɓü‚è‚Ü‚·Bl/html/__init__.py", line 866ĂёIo‚³‚ê‚Ü‚µ‚½B’¼‚¿‚É‘æ3ŽŸ“àŠt‚Ì‘gŠt
(py2) user@user-CF-SX1GE2DC:~/py2/garbage$ ml)
TypeError: ex‘‰ï‚ŁA‘æ97‘ã‚Ì“àŠt‘es-like object
(py2) ‘åb‚Ío@user-CF-SX1GE2DC:~/py2/garbage$ python sucraping_naver.py
@À”{‘


コードは下記です。

import lxml.html
import cssselect
import requests

target_url = 'http://news.tv-asahi.co.jp/news_politics/articles/000041338.html'
target_html = requests.get(target_url).text
root = lxml.html.fromstring(target_html)
n = root.cssselect("#news_body > p")[0].text
print(n)


参考にしたのは下記のサイトです。
http://qiita.com/beatinaniwa/items/72b777e23ef2390e13f8

文字化け対策のサイトもいろいろとググッてみたのですが、修正できませんでした。
http://ja.stackoverflow.com/questions/11182/python%E3%81%A7web%E3%82%B5%E3%82%A4%E3%83%88%E3%81%8B%E3%82%89%E3%81%AEhtml%E5%8F%96%E5%BE%97%E3%82%92%E3%81%97%E3%81%BE%E3%81%97%E3%81%9F%E3%81%8C%E6%96%87%E5%AD%97%E5%8C%96%E3%81%91%E3%81%97%E3%81%BE%E3%81%99

どうすれば文字化けを修正できるのでしょうか?

  • 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。

質問への追記・修正、ベストアンサー選択の依頼

  • argius

    2016/07/24 19:27

    承知しました。出力結果にpy2とあったので、Python2系をお使いかと思ったのですが、Python3なんですね。バージョンは質問に書いておいていただけると回答しやすくなりますので、よろしくお願いします。

    キャンセル

  • argius

    2016/07/24 19:27

    タグにPython3を付けてもOKです。

    キャンセル

  • doz13189

    2016/07/24 19:42

    次からそうします。ありがとうございます。

    キャンセル

回答 2

checkベストアンサー

0

単にスクレイピングができれば良いのでしたら、
lxml.htmlcssselectを使うよりも、
最近はBeautifulSoupというパーサーモジュールの方が人気があるので、そちらを使った方が良いかもしれません。
HTMLを取得する処理は、標準モジュールのurllib.requestモジュールにします。
これらを組み合わせて使います。

Windows7(64bit), Python3.5.2+Anaconda4.1.1で確認しましたが、上手く本文の<p>タグが取れました。

import urllib
from bs4 import BeautifulSoup

target_url = 'http://news.tv-asahi.co.jp/news_politics/articles/000041338.html'
html = urllib.request.urlopen(target_url).read()
soup = BeautifulSoup(html, "lxml")

n = soup.select("#news_body > p")[0]
print(n)

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。

  • 2016/07/24 19:42

    そうします!ご丁寧にありがとうございます!!

    キャンセル

0

これでどうでしょうか?

target_html = requests.get(target_url)
target_html.encoding = target_html.apparent_encoding
root = lxml.html.fromstring(target_html.text)

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。

  • 2016/07/24 19:01

    回答ありがとうございます!
    回答いただいたコードで試してみたものの、ダメでした。。。
    同じように文字化けしてしまいました。。。

    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 90.45%
  • 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

同じタグがついた質問を見る

  • Python

    12338questions

    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。