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!

新規登録して質問してみよう
ただいま回答率
85.53%
Beautiful Soup

Beautiful Soupは、Pythonのライブラリの一つ。スクレイピングに特化しています。HTMLデータの構文の解析を行うために、HTMLタグ/CSSのセレクタで抽出する部分を指定することが可能です。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

2回答

178閲覧

HTMLから特定の文字列の取得

Jane-1003

総合スコア4

Beautiful Soup

Beautiful Soupは、Pythonのライブラリの一つ。スクレイピングに特化しています。HTMLデータの構文の解析を行うために、HTMLタグ/CSSのセレクタで抽出する部分を指定することが可能です。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2023/10/19 08:47

実現したいこと

htmlから特定の文字列(race_id)の取得

前提

発生している問題・エラーメッセージ

"https://race.netkeiba.com/top/race_list.html?kaisai_date=20231007"
から東京で行われた12回のレースのレースidを取得したいです。htmlでは<dd class="RaceList_Data">にあるのですが、取得できません。アドバイスよろしくお願いします。

エラーは出ていません

該当のソースコード

python

1import requests 2from bs4 import BeautifulSoup 3import re 4 5url = "https://race.netkeiba.com/top/race_list.html?kaisai_date=20231007" 6res = requests.get(url) 7soup = BeautifulSoup(res.content, 'html.parser') 8 9links = [u.get('href') for u in soup.find_all('a')] 10 11IDs = [re.search(r'\d{12}', str(link)) for link in links if re.search(r'\d{12}', str(link)) != None] 12IDs

試したこと

ssoup=str(soup)
re.findall(r'\d{12}', ssoup)
soupをstr型にしてHTMLの文字列から12桁の数字を探したが存在しなかった。

補足情報(FW/ツールのバージョンなど)

ここにより詳細な情報を記載してください。

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MY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。

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。

guest

回答2

0

自己解決

python

1driver.get(url) 2res = driver.page_source 3 4soup = BeautifulSoup(res, 'html.parser') 5elems = soup.find_all("li", class_="RaceList_DataItem")

request.getではなくdriver.getを使用することで目的のURLが含まれるHTML部分を抽出できました。

投稿2023/10/26 03:20

Jane-1003

総合スコア4

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。

0

取得したHTMLの中に無いと言うことは、JavaScriptでその後に追加された要素でしょうから、
JavaScriptを実行するか、そのロジックと同じ処理をPythonで実装するかしないと存在しない要素です。
普通は、ウェブブラウザー+Seleniumライブラリーを使って、ブラウザーにJavaScriptを実行させて要素を作り、取得します。

なお、

soupをstr型にしてHTMLの文字列から

取得したHTMLの中を調べるのは、普通はsoupに渡す前のHTMLであるres.contentを見ます。

投稿2023/10/19 09:13

otn

総合スコア84285

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。

otn

2023/10/19 09:17 編集

> htmlでは<dd class="RaceList_Data">にあるのですが、 おそらくブラウザーの開発者ツールで見たのでしょうが、requests.get で取得するHTMLは、 画面を右クリックで「ページのソースを表示」で表示されるものです。 もしくはブラウザーの設定でJavaScriptを無効にした状態でページを見るか。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.53%

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る

質問する

関連した質問