質問編集履歴
1
HTMLと出力したい結果を掲載し、説明文も追記しました。
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -1,10 +1,56 @@
|
|
|
1
1
|
Python初心者です。
|
|
2
2
|
|
|
3
|
-
PythonにてWebスクレイピングをしておりまして、その結果を
|
|
3
|
+
PythonにてWebスクレイピングをしておりまして、その結果をarr1・arr2に格納し、print関数で表示したいのですが、値が格納されていないため、以下のようなエラーが起こります。
|
|
4
|
-
値が格納されていないため、以下のようなエラーが起こります。
|
|
5
4
|
|
|
6
5
|
IndexError: list index out of range
|
|
7
6
|
|
|
7
|
+
例えば、次のようなHTMLがあります。
|
|
8
|
+
（説明の便宜上、簡易的なものにしてあります。ご了承くださいませ。）
|
|
9
|
+
|
|
10
|
+
```HTML
|
|
11
|
+
http://hoge.co.jp
|
|
12
|
+
<h3>
|
|
13
|
+
<a href="http://hoge.co.jp/2001">ダイエット方法</a>
|
|
14
|
+
<p class="profileName">太郎</p>
|
|
15
|
+
<a href="http://hoge.co.jp/2002">健康になるには</a>
|
|
16
|
+
<p class="profileName">次郎</p>
|
|
17
|
+
<a href="http://hoge.co.jp/2003">美容関連</a>
|
|
18
|
+
<p class="profileName">和郎</p>
|
|
19
|
+
</h3>
|
|
20
|
+
|
|
21
|
+
http://fuga.co.jp
|
|
22
|
+
<h3>
|
|
23
|
+
<a href="http://fuga.co.jp/2001">金運上昇</a>
|
|
24
|
+
<p class="profileName">一郎</p>
|
|
25
|
+
<a href="http://fuga.co.jp/2002">健康運上昇</a>
|
|
26
|
+
<a href="http://fuga.co.jp/2003">恋愛運上昇</a>
|
|
27
|
+
<p class="profileName">三郎</p>
|
|
28
|
+
</h3>
|
|
29
|
+
|
|
30
|
+
http://piyo.co.jp
|
|
31
|
+
<h3>
|
|
32
|
+
<a href="http://piyo.co.jp/2001">音楽</a>
|
|
33
|
+
<a href="http://piyo.co.jp/2002">美術</a>
|
|
34
|
+
<p class="profileName">健太</p>
|
|
35
|
+
<a href="http://piyo.co.jp/2003">書道</a>
|
|
36
|
+
<p class="profileName">康太</p>
|
|
37
|
+
</h3>
|
|
38
|
+
```
|
|
39
|
+
|
|
40
|
+
これらをスクレイピングし、出力する結果を以下のようなものにしたいです。
|
|
41
|
+
1. ダイエット方法 太郎
|
|
42
|
+
2. 健康になるには 次郎
|
|
43
|
+
3. 美容関連 和郎
|
|
44
|
+
1. 金運上昇 一郎
|
|
45
|
+
2. 健康運上昇
|
|
46
|
+
3. 恋愛運上昇 三郎
|
|
47
|
+
1. 音楽
|
|
48
|
+
2. 美術 健太
|
|
49
|
+
3. 書道 康太
|
|
50
|
+
|
|
51
|
+
名前がないものがありますが、それはそれで空白として出力するようにしたいのです。
|
|
52
|
+
以下のPythonのコードですと、エラーが起きてしまいます。
|
|
53
|
+
|
|
8
54
|
```Python
|
|
9
55
|
|
|
10
56
|
#URL
|
|
@@ -14,18 +60,23 @@
|
|
|
14
60
|
arr1 = []
|
|
15
61
|
arr2 = []
|
|
16
62
|
|
|
63
|
+
#URL番号
|
|
17
64
|
n = 0
|
|
65
|
+
|
|
18
|
-
while n <
|
|
66
|
+
while n < len(url):
|
|
67
|
+
c = 0
|
|
68
|
+
|
|
19
69
|
html = BeautifulSoup(requests.get(url[n]), "lxml")
|
|
20
70
|
for hoge in html.find_all("h3"):
|
|
21
71
|
for at in hoge.find_all("a"):
|
|
22
|
-
arr1.append(at.get_text())
|
|
72
|
+
arr1[n].append(at.get_text())
|
|
23
73
|
|
|
24
|
-
|
|
74
|
+
for fuga in html.find_all("p", class_="profileName"):
|
|
25
|
-
for at in fuga.find_all("a"):
|
|
26
|
-
arr2.append(at.get_text())
|
|
75
|
+
arr2[n].append(at.get_text())
|
|
27
76
|
|
|
28
|
-
|
|
77
|
+
print(c+1, "\t", arr1[n][c], "\t", arr2[n][c])
|
|
78
|
+
c += 1
|
|
79
|
+
|
|
29
80
|
n += 1
|
|
30
81
|
|
|
31
82
|
```
|
|
@@ -47,8 +98,8 @@
|
|
|
47
98
|
arr2.append("")
|
|
48
99
|
```
|
|
49
100
|
|
|
50
|
-
while文で
|
|
101
|
+
while文でURLの数だけループ（今回ですと3つなので3回）し、それぞれのURLのデータを取得し、配列arr1、arr2にそれぞれ要素を3つずつ格納させたいです。
|
|
51
|
-
|
|
102
|
+
上記HTMLでいうと、「健康運上昇」「音楽」のところで名前がありませんが、そのようにデータが取得できなかった場合も、空白として配列に格納するには、どのようにすればよろしいでしょうか。
|
|
52
103
|
|
|
53
104
|
調べてはいるのですが、なかなかできずに困っています。
|
|
54
105
|
詳しい方のご教示をお願い致します。
|