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

90.03%

python2.7,beautifulsoupでスクレイピングした<span>で囲まれた文字列を分割してcsvに保存する方法を教えてくださいませ!

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 4,231

akakage13

score 86

前提・実現したいこと

python初心者でございます。python2.7とbeautifulsoupで競馬情報をスクレイピングしたのですが、<span>で囲まれた部分の情報をそれぞれ分割して、csvに保存する方法が分からず苦慮しております。

発生している問題・エラーメッセージ

<span>芝右 外2200m&nbsp;/&nbsp;天候 : 晴&nbsp;/&nbsp;芝 : 良&nbsp;/&nbsp;発走 : 15:40</span><br />

上記の<span>で囲まれた部分を、(例)course= 芝右 外2200m 、weather=晴、course_condition=芝良 、start_time=15:40  というように、分割させたいのです。

該当のソースコード

# -*- coding:utf-8 -*-

import urllib2
import codecs
import time
from bs4 import BeautifulSoup
f = codecs.open('g1_race.csv', 'w', 'utf-8')
f.write('race_condition'+u"\n")

url='http://db.netkeiba.com/race/201508050411/'

soup = BeautifulSoup(urllib2.urlopen(url).read(),"lxml")

tr_arr = soup.select("table.race_table_01 > tr")

for tr in tr_arr:
    time.sleep(1)    
    tds=tr.findAll("td")
    if len( tds ) > 1:

        race_condition_tag = soup.find('div',{'class':'mainrace_data'}).find('span')
        race_condition = "".join([x for x in race_condition_tag.text if not x == u'\xa0' and not x == u'\n'])

        print race_condition

        cols = [race_condition]

        f.write(",".join(cols) + "\n")

f.close()

試したこと

上記のプログラムは第36回エリザベス女王杯(G1)の結果をスクレイピングしております。
今回の苦慮しております<span>芝右 外2200m&nbsp;/&nbsp;天候 : 晴&nbsp;/&nbsp;芝 : 良&nbsp;/&nbsp;発走 : 15:40</span><br />の部分は、netkeiba.com様のソースコードの170行目でございます。ノーブレークスペース (no-break space)のある文字列の対応については、ある程度は調べたのですが、わかりませんでした。

これを分割するスクリプトを御教示いただけますと幸いです。
よろしくお願いいたします。

補足情報(言語/FW/ツール等のバージョンなど)

python2.7

  • 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

+1

この芝右 外2200m&nbsp;/&nbsp;天候 : 晴&nbsp;/&nbsp;芝 : 良&nbsp;/&nbsp;発走 : 15:40の部分を
取り出すことはできると思うので、
あとはBeautifulSoupから切り離して、(netkeiba.comからも切り離して、)
Pythonの文字列だけの問題と捉えて下さい。
(プログラミングにおいて、問題を分割して小さな単位にしてから解くというのは常套手段で重要です。)

質問もそこだけに絞ったほうが回答者の負担が減りますし、多くの方から回答が得られやすくなります。

回答ですが、
まずは、&npsp;は邪魔なだけなので、取り除いてしまいましょう。
特定の文字列を取り除くには、string.replace()メソッドを使います。

string.replace(str, old, new[, maxreplace]) (7.1. string — 一般的な文字列操作 — Python 2.7.x ドキュメント)
http://docs.python.jp/2.7/library/string.html#string.replace

その次は、特定の区切り文字で分割すれば
分割するには、string.split()メソッドを使います。

string.split(s[, sep[, maxsplit]]) (7.1. string — 一般的な文字列操作 — Python 2.7.x ドキュメント)
http://docs.python.jp/2.7/library/string.html#string.split

上記を踏まえて、芝右 外2200m&nbsp;/&nbsp;天候 : 晴&nbsp;/&nbsp;芝 : 良&nbsp;/&nbsp;発走 : 15:40
course= 芝右 外2200m 、weather=晴、course_condition=芝良 、start_time=15:40に加工する部分だけの処理を書いてみましょう。
通常はこのような場合は関数を書いてしまうとすっきりします。

replace()split()の例はいくらでも見つかりますので、上記リンクの説明で分からなければ他のサイトも調べてみて下さい。

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。

  • 2016/09/11 09:55

    argius様、いつもありがとうございます。
    御教示通りに、replace()を用いて、問題を解決することが出来ました。
    今回は、split()は用いませんでした。
    解決はしたのですが、以下のようなスクリプトになりましたので、その都度、手入力することになり、改善が出来ないか考えております。

    <span>芝右 外2200m&nbsp;/&nbsp;天候 : 晴&nbsp;/&nbsp;芝 : 稍重&nbsp;/&nbsp;発走 : 15:40</span><br />この部分をアナログ的に取り出さずに、分割することが出来れば、すごく画期的と考えております。

    今回も、懇切丁寧な御教示、本当にありがとうございました。
    これからも、出来る限り自力を忘れずに精進いたします。
    今後とも、よろしくお願いいたします。

    # -*- coding:utf-8 -*-

    import urllib2
    import codecs
    import time
    from bs4 import BeautifulSoup
    f = codecs.open('g1_race.csv', 'w', 'utf-8')
    f.write('race_name,race_direction,race_distance,weather,green_condition,post_time'+u"\n")

    url='http://db.netkeiba.com/race/201508050411/&#039;

    soup = BeautifulSoup(urllib2.urlopen(url).read(),"lxml")

    tr_arr = soup.select("table.race_table_01 > tr")

    for tr in tr_arr:
    #time.sleep(1)
    tds=tr.findAll("td")
    if len( tds ) > 1:

    race_name_tag = soup.find('div',{'class':'mainrace_data'}).find('h1')
    race_name = "".join([x for x in race_name_tag.text if not x == u'\xa0' and not x == u'\n'])
    race_condition_tag = soup.find('div',{'class':'mainrace_data'}).find('span')
    race_condition = "".join([x for x in race_condition_tag.text if not x == u'\xa0' and not x == u'\n'])
    race_direction = race_condition.replace(u' 外2200m/天候 : 晴/芝 : 稍重/発走 : 15:40','')
    rds = race_condition.replace(u'/天候 : 晴/芝 : 稍重/発走 : 15:40','')
    race_distance = rds.replace(u'芝右 ','')
    wzer = race_condition.replace(u'/芝 : 稍重/発走 : 15:40','')
    weather = wzer.replace(u'芝右 外2200m/天候 : ','')
    g_cnd = race_condition.replace(u'/発走 : 15:40','')
    green_condition = g_cnd.replace(u'芝右 外2200m/天候 : 晴/芝 : ','')
    post_time = race_condition.replace(u'芝右 外2200m/天候 : 晴/芝 : 稍重/発走 : ','')

    print race_name,race_direction,race_distance,weather,green_condition,post_time

    cols = [race_name,race_direction,race_distance,weather,green_condition,post_time]

    f.write(",".join(cols) + "\n")

    f.close()

    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 90.03%
  • 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
  • トップ
  • Pythonに関する質問
  • python2.7,beautifulsoupでスクレイピングした<span>で囲まれた文字列を分割してcsvに保存する方法を教えてくださいませ!