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。
回答1件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2017/05/22 10:57