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

89.10%

BeautifulSoupでのfindの使い方について

受付中

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 2,230

miyamoto0105

score 224

スクレイピングで疑問なのです。

現象

event_res = requests.get(user_url, params={'page': page_num})
e = BeautifulSoup(event_res.text, 'html.parser')

findでpタグを探した時は.textでアクセスできました。

date = e.find('p', class_='hoge1').text
#なんかテキストがとれる。

ですがspanタグの時は.textが見つかりません。
これは何故ですか?モジラサイトのタグの詳細を見ても特に書いてない気がして困っております。
やりたいことはタグを除去すれば解決するのですが、なぜ.textが使えないのかをご存知の方いらっしゃいますでしょうか。

series_title = e.find('span', class_='hoge2')
#<span class="hoge2">aaaa</span>

具体的に

connpassのサイトをスクレイピングするこのコードをいじってます。
https://github.com/achiku/cnps/blob/master/cnps/dump.py#L52

def _parse_event(soup):
    event_dates = []
    event_dates_soup = soup.find_all('div', class_='event_list vevent')
    for e in event_dates_soup:
        year = e.find('p', class_='year').text
        date = e.find('p', class_='date').text
        status = e.find('p', class_='label_status_tag').getText()
        series_title = e.find('span', class_='series_title') #追加
        a = e.find('a', class_='url summary').text #追加

        status_label = ''
        if status == 'キャンセル':
            status_label = 'canceled'
        elif status == '補欠':
            status_label = 'on_waitlist'
        elif status == '申込済':
            status_label = 'applyed'
        elif status == '抽選中':
            status_label = 'in_lottery'

        dt = datetime.strptime("{0}/{1}".format(year, date), '%Y/%m/%d')
        event_dates.append({'status': status_label, 'date': dt, 'series_title': series_title, 'a': a})
        # print("event")
        print(type(a))
        print(type(series_title))
    return event_dates

実行方法

git clone https://github.com/achiku/cnps.git
上の修正を入れる
python setup.py install
cnps dump https://kikaigakushuu.connpass.com/event/65221/

ブラウザで直接見てみる
https://connpass.com/user/keiichirou_miyamoto/

ブラウザのコンソールで叩く。

$x('//p[@class="date"]') #正常
$x('//p[@class="date"][0]') #エラー
>(10) [p.date, p.date, p.date, p.date, p.date, p.date, p.date, p.date, p.date, p.date] #この状態もよくわからず。一個一個の要素にブラウザからアクセスするほうほうがわからない。配列になってるからループで回さないとダメな気もする。
$x('//p[@class="date"].text') #エラー

色々やったのですがよくわかってないので
もしご存知の方いらっしゃいましたらご教示お願いいたします。

  • 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

0

普通にspanタグでもtext利用できますね。もう一度確認してみることをおすすめします。多分textが使えないというエラーはそもそもfindの時点でタグが見つかってない(=None)なんじゃないですかね。

from bs4 import BeautifulSoup

html = """
<html>
  <head></head>
  <body>
    <p class="hoge1">ptext</p>
    <span class="hoge2">spantext</span>
  </body>
</html>
"""

soup = BeautifulSoup(html, 'html.parser')
print(soup.find('p', class_='hoge1').text)
print(soup.find('span', class_='hoge2').text)

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。

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 89.10%
  • 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