python2.7,beautifulsoupでの競馬情報のスクレイピングが、うまく出来ません。

Question

netkeiba.com様から、python2.7,beautifulsoupでの競馬情報をスクレイピングしておりますが、うまく出来ません。

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

import urllib2
import codecs
import time
from bs4 import BeautifulSoup

url = 'http://db.netkeiba.com/horse/2013106055/'

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

tekisei = soup.find('div', {'class': 'db_h_rank_review'}).findAll('td')

tekisei_1 = tekisei[0].text

print tekisei_1.strip()

<div class="db_h_rank_review">
<div class="categorybar_line" >
<h3 class="categorybar"><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/icon_db_tekisei_02.png" width="20" height="20" alt="" />みんなの適性レビュー</h3>
</div>
<dl>
<dd>
<table summary="アストラエンブレムの適性レビュー">
<tr>
<th>コース適性</th>
<td><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_turf_blue.png" width="26" height="17" alt="芝" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_blue.png" width="150" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_centerline.png" width="1" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_gray.png" width="44" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_dirt_gray.png" width="26" height="17" alt="ダート" /></td>
</tr>
<tr>
<th>距離適性</th>
<td><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_sprint_blue.png" width="26" height="17" alt="短い" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_blue.png" width="134" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_centerline.png" width="1" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_gray.png" width="60" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_styer_gray.png" width="26" height="17" alt="長い" /></td>
</tr>
<tr>
<th>脚質</th>
<td><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_nige_gray.png" width="26" height="17" alt="逃げ" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_gray.png" width="36" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_centerline.png" width="1" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_blue.png" width="158" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_oikomi_blue.png" width="26" height="17" alt="追込" /></td>
</tr>
<tr>
<th>成長</th>
<td><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_soujuku_blue.png" width="26" height="17" alt="早熟" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_blue.png" width="132" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_centerline.png" width="1" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_gray.png" width="62" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bansei_gray.png" width="26" height="17" alt="晩成" /></td>
</tr>
<tr>
<th>重馬場</th>
<td><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_tokui_blue.png" width="26" height="17" alt="得意" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_blue.png" width="114" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_centerline.png" width="1" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_gray.png" width="80" height="17" /><img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_nigate_gray.png" width="26" height="17" alt="苦手" /></td>
</tr>

上記の小生のスクリプトは、tdをはきだすことは、確認しております。

tekisei = soup.find('div', {'class': 'db_h_rank_review'}).findAll('td')

ここまでは、良いのですが、上記にございます、目的のソースコードの中の 指定したwidth="○○" の数値を取りたいのですがうまく出来ません。

具体的には、

コース適性
<img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_blue.png" width="150"

距離適性
<img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_blue.png" width="134"

脚質
<img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_gray.png" width="36"

成長
<img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_blue.png" width="132"

重馬場
<img src="http://cimg2.db.netkeiba.com/style/netkeiba.ja/image/review_bar_blue.png" width="114"

上記のwidth="○○" の数値を取りたいのです。

いろいろ、試しましたが、うまく出来ませんでした。

先輩方の御教示、よろしくお願いいたします。

Answer 1

img タグをすべて取得して、その中の width属性 を取得するとよいのではないでしょうか。

imgs = tekisei[0].findAll('img')
for img in imgs:
    print(img.attrs['width'])

---

【補足】

３番目のデータを取り出す方法例

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

import urllib2
import codecs
import time
from bs4 import BeautifulSoup

url = 'http://db.netkeiba.com/horse/2013106055/'

soup = BeautifulSoup(urllib2.urlopen(url).read(), "lxml")
tekisei = soup.find('div', {'class': 'db_h_rank_review'}).findAll('td')
imgs = tekisei[0].findAll('img')
print(imgs[3].attrs['width'])

Comments

[akakage13]

magichan様、御教示ありがとうございます！

うまく拾えるようになりましたが、重ねて、御教示いただきたいことがございます。

これらの数値の、3番目、8番目、13番目の数字のみを拾い出す方法を

御教示よろしくお願いいたします。

tekisei_1 = (img.attrs['width'])[3]

このような手法ではうまく出来ませんでした。

[magichan]

例えば３番目であれば、
imgs[3].attrs['width']
のようにして取り出せます。

[akakage13]

magichan様、早々の御回答ありがとうございました。

御教示とおり行ったのですが、

tekisei_1 = img[3].attrs['width']
File "C:\Python27\lib\site-packages\bs4\element.py", line 958, in __getitem__
return self.attrs[key]
KeyError: 3

C:\Users\satoru\horse\horse>

エラーが出てまいります。いくつか試しましたがうまく動きません。
御教示いただけると幸いでございます。

[magichan]

認識違いがあるかもしれませんので、３番目のデータを取得するコードを追記しておきました。

[akakage13]

magichan様、うまく動くようになりました。

懇切丁寧な御教示、本当にありがとうございました。

今後とも、よろしくお願いいたします。