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

88.92%

競馬情報をpython,beautifulsoupでスクレイピングしていますが、馬名の一部がうまく分割出来ずに困っています

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 781

akakage13

score 89

netkeiba.comを利用して、競馬情報をスクレイピングしておりますが、馬名の一部がうまく分割することが出来ず困っています。

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

import urllib2
import codecs
import time
from bs4 import BeautifulSoup

f = codecs.open('test_1.csv', 'w', 'utf-8')
f.write('horse_name_1,horse_name_2'+u"\n")

url = 'http://db.netkeiba.com/horse/2014105535/'

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

horse_name_tag = soup.find('div', {'class': 'horse_title'}).findAll('h1')

horse_name_tag_1 = horse_name_tag[0].text
horse_name_tag_2 = soup.find('div', {'class': 'horse_title'})

horse_name_1 = horse_name_tag_1.find('h1')
horse_name_1 = "".join([x for x in horse_name_tag_1 if not x == u'\xa0' and not x == u'\n'])

horse_name_2 = horse_name_tag_2.find('p')
horse_name_2 = "".join([x for x in horse_name_tag_2.text if not x == u'\xa0' and not x == u'\n']) 

print horse_name_1.strip(),horse_name_2.strip()
cols = [horse_name_1,horse_name_2]
f.write(",".join(cols) + "\n")

f.close()

上記のソースコードでは、

horse_name_1 ソウルスターリング 

horse_name_2 ソウルスターリング  4.26現役 牝3歳 青鹿毛

と、なってしまいます。

それを、このように、馬名の、ソウルスターリングと、評価っぽい数値4.26を載せないで

horse_name_1 ソウルスターリング 

horse_name_2 現役 牝3歳 青鹿毛

の、ように出力したいのです。

<h1>ソウルスターリング  </h1>
<p class="rate">
<img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/db_icon_star_01.png" alt="" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/db_icon_star_01.png" alt="" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/db_icon_star_01.png" alt="" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/db_icon_star_01.png" alt="" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/db_icon_star_harf_01.png" alt="" /><strong>4.26<!-- (<span></span>票)--></strong>
</p>
<p class="txt_01">現役 牝3歳 青鹿毛</p>
</div><!-- /.horse_title" -->

上記のコードを見ながら、自分で改変してみるのですが、うまく出来ません。

うまく出力出来るソースコードの作成に苦慮しております。

諸先輩方の御教示、よろしくお願いいたします。

  • 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。

回答 1

checkベストアンサー

0

HTMLは取得したいページのものですか?

だとしたら、

<p class="txt_01">現役 牝3歳 青鹿毛</p>


class属性ついてるので、

# ※例外処理や改行削除等は省略
div = soup.find('div', class_='horse_title')
horse_name_1 = div.find('h1').text
horse_name_2 = div.find('p', class_='txt_01').text


のように、horse_titleだけを一度とって、そこから別々に取得すればいいと思います。

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。

  • 2017/05/22 19:57

    E3KUROSUKE様、うまく動くようになりました!!!
    本当に、いつもありがとうございます!!!

    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 88.92%
  • 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