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

89.22%

Beautiful Soup 4で簡単なスクレイピングができない…stringが効かない…

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 9,332

hacosato

score 45

前提・実現したいこと

こんにちは!
Python3.5でスクレイピングをしています。
Beautiful Soup 4で簡単なスクレイピングができません…。

結果が「1」になるのを期待して、こういうコードを書きました。

from bs4 import BeautifulSoup as soup
html = '0<span class="a">1<span class="b">2</span></span>'
doc = soup(html, "lxml")
print(doc.find("span", class_ = "a").string)


だめでした…。

AttributeError: 'NoneType' object has no attribute 'string'


と表示されます。

試したこと

最後の行を少し書き換えました。

from bs4 import BeautifulSoup as soup
html = '0<span class="a">1<span class="b">2</span></span>'
doc = soup(html, "lxml")
print(doc.find("span", class_ = "a"))


このように表示されました。

<span class="a">1<span class="b">2</span></span>


なるほど?

こんどは最後の行を戻して、今度は2行目の変数htmlを少し書き換えました。

from bs4 import BeautifulSoup as soup
html = '0<span class="a">1</span>'
doc = soup(html, "lxml")
print(doc.find("span", class_ = "a").string)
1


ちゃんと「1」が出力されました!
いいところまで来てると思うんですが…。

カンタンなことかもしれないんですが、アドバイスをください!

  • 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。

回答 2

checkベストアンサー

0

普段使わないパッケージの挙動を見るときに、ドキュメントをみることのほかに、よく__dict__メソッドを使って覗いてみることが多いです。

>>> from bs4 import BeautifulSoup as soup
>>> html = '0<span class="a">1<span class="b">2</span></span>'
>>> doc = soup(html, "lxml")
>>> elm = doc.find("span", class_ = "a")
>>> import pprint
>>> pprint.pprint(elm.__dict__)
{'attrs': {'class': ['a']},
 'can_be_empty_element': False,
 'contents': ['1', <span class="b">2</span>],
 'hidden': False,
 'known_xml': False,
 'name': 'span',
 'namespace': None,
 'next_element': '1',
 'next_sibling': None,
 'parent': <p>0<span class="a">1<span class="b">2</span></span></p>,
 'parser_class': <class 'bs4.BeautifulSoup'>,
 'prefix': None,
 'preserve_whitespace_tags': {'pre', 'textarea'},
 'previous_element': '0',
 'previous_sibling': '0'}>}

見てみると、BeautifulSoupはfindで取ってきた要素の子要素はcontentsを使って管理しており、かつ、素のテキストも別々に分けてくれているみたいです。

というわけで、上記の場合だとelm.contents[0]で取れるっぽいですね。

>>> elm.contents[0]
'1'
>>> print(doc.find("span", class_ = "a").contents[0])
1

 以下、ただのおまけ

興味本位でこんな形式で試してみました。

>>> html = '0<span class="a">1<span class="b">2</span>12</span>'
>>> doc = soup(html, "lxml")
>>> elm = doc.find("span", class_ = "a")
>>> elm.contents
['1', <span class="b">2</span>, '12']

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。

  • 2016/12/11 21:59

    ありがとうございました。無事に動かすことができました!

    https://www.crummy.com/software/BeautifulSoup/bs4/doc/#contents-and-children
    ドキュメントに.contentsめっちゃ書いてありました。
    .stringしか使ったことなかったけど、それは.contentsの一部なのか…!

    __dict__はクラスを定義したりするときに活用するものでしょうか?
    また勉強します…!

    キャンセル

  • 2016/12/12 23:34

    大まかに書くと、__dict__はPythonのオブジェクトを辞書(dict)とみなしてアクセスできるようにする特殊なプロパティです。

    そのオブジェクトのプロパティやらメソッドやらがそのまま保持されていることがあるので、
    自分は今回のように最終手段的にプロパティなどがどう格納されているかを見るのに使ったりしてます。

    キャンセル

0

CSSセレクタで指定すると便利です

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

from bs4 import BeautifulSoup as soup
html = '0<span class="a">1<span class="b">2</span></span>'
doc = soup(html, 'html.parser')
#CSSセレクタで「<span class="b">2</span>」を削除
doc.select('span.b')[0].extract()
#CSSセレクタで要素を取得
doc = doc.select('span.a')
result = doc[0].get_text()
print(result)

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。

  • 2016/12/11 21:25

    ありがとうございました。
    CSSセレクタ、ぜんぜん使えないのでお勉強します。
    わたしとしては、extract()というのを知ったのが発見でした。
    extractを活用して、わたしがいままで指定していたような方法でもうまく動かすことができました♪

    from bs4 import BeautifulSoup as soup
    html = '0<span class="a">1<span class="b">2</span></span>'
    doc = soup(html, 'html.parser')
    #CSSセレクタで「<span class="b">2</span>」を削除
    doc.find("span", class_ = "b").extract()
    #CSSセレクタで要素を取得
    doc = doc.find("span", class_ = "a")
    result = doc.string
    print(result)

    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 89.22%
  • 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