BeautifulSoupのselectを使い方子要素を複数選択するテクニック｜自作で機械学習モデル・AIの使い方を学ぶ

BeautifulSoupはPythonのライブラリで、HTMLやXMLなどの文書からデータを抽出するために使用されます。その中でも、selectメソッドは特に便利で、CSSセレクタを使ってHTMLの要素を選択できます。

BeautifulSoupのselectメソッドの基本的な使い方

まずは、selectメソッドの基本的な使い方を見ていきましょう。以下のHTMLを例にして、タグ名を指定して要素を選択する方法を紹介します。

<!DOCTYPE html>
<html>
<head>
<title>Sample Page</title>
</head>
<body>
<h1>Hello World</h1>
<p>This is a sample paragraph.</p>
</body>
</html>

例えば、上記のHTMLから「<h1>」タグで囲まれた「Hello World」を取得するには、以下のようにコードを書きます。

from bs4 import BeautifulSoup
html = """
<!DOCTYPE html>
<html>
<head>
<title>Sample Page</title>
</head>
<body>
<h1>Hello World</h1>
<p>This is a sample paragraph.</p>
</body>
</html>
"""
soup = BeautifulSoup(html, "html.parser")
title_tag = soup.select("h1")
print(title_tag)

出力結果は以下のようになります。

[<h1>Hello World</h1>]

selectメソッドは、引数にCSSセレクタを渡すことで、HTMLの要素を選択できます。ここでは、CSSセレクタとして「h1」を渡して、「<h1>」タグで囲まれた要素を選択しています。

selectメソッドによる複数の要素の選択

selectメソッドは、複数の要素を同時に選択することもできます。以下のHTMLを例にして、複数の「<p>」タグで囲まれた要素を選択する方法を紹介します。

<!DOCTYPE html>
<html>
<head>
<title>Sample Page</title>
</head>
<body>
<p>This is a sample paragraph.</p>
<p>This is another sample paragraph.</p>
</body>
</html>

例えば、上記のHTMLから「<p>」タグで囲まれた要素を全て取得するには、以下のようにコードを書きます。

from bs4 import BeautifulSoup
html = """
<!DOCTYPE html>
<html>
<head>
<title>Sample Page</title>
</head>
<body>
<p>This is a sample paragraph.</p>
<p>This is another sample paragraph.</p>
</body>
</html>
"""
soup = BeautifulSoup(html, "html.parser")
p_tags = soup.select("p")
print(p_tags)

出力結果は以下のようになります。

[<p>This is a sample paragraph.</p>, <p>This is another sample paragraph.</p>]

ここでは、CSSセレクタとして「p」を渡して、「<p>」タグで囲まれた要素を全て選択しています。

selectメソッドを用いた子要素の取得

selectメソッドは、子要素を取得することもできます。以下のHTMLを例にして、子要素を取得する方法を紹介します。

<!DOCTYPE html>
<html>
<head>
<title>Sample Page</title>
</head>
<body>
<ul>
<li>Item 1</li>
<li>Item 2</li>
</ul>
</body>
</html>

例えば、上記のHTMLから「<ul>」タグで囲まれた「<li>」タグで囲まれた要素を取得するには、以下のようにコードを書きます。

from bs4 import BeautifulSoup
html = """
<!DOCTYPE html>
<html>
<head>
<title>Sample Page</title>
</head>
<body>
<ul>
<li>Item 1</li>
<li>Item 2</li>
</ul>
</body>
</html>
"""
soup = BeautifulSoup(html, "html.parser")
ul_tag = soup.select("ul")
li_tags = ul_tag[0].select("li")
print(li_tags)

出力結果は以下のようになります。

[<li>Item 1</li>, <li>Item 2</li>]

ここでは、CSSセレクタとして「ul」を渡して、「<ul>」タグで囲まれた要素を選択した後、その子要素として「<li>」タグで囲まれた要素を全て選択しています。

selectメソッドによる特定の属性を持つ要素の選択

selectメソッドは、特定の属性を持つ要素を選択することもできます。以下のHTMLを例にして、特定の属性を持つ要素を選択する方法を紹介します。

<!DOCTYPE html>
<html>
<head>
<title>Sample Page</title>
</head>
<body>
<a href="https://example.com">example</a>
<a href="https://google.com">Google</a>
</body>
</html>

例えば、上記のHTMLから「<a>」タグで、href属性が「https://example.com」である要素を取得するには、以下のようにコードを書きます。

from bs4 import BeautifulSoup
html = """
<!DOCTYPE html>
<html>
<head>
<title>Sample Page</title>
</head>
<body>
<a href="https://example.com">example</a>
<a href="https://google.com">Google</a>
</body>
</html>
"""
soup = BeautifulSoup(html, "html.parser")
a_tag = soup.select('a[href="https://example.com"]')
print(a_tag)

出力結果は以下のようになります。

[<a href="https://example.com">example</a>]

ここでは、CSSセレクタとして「a[href=”https://example.com”]」を渡して、href属性が「https://example.com」である要素を選択しています。

CSSセレクタを用いたselectメソッドの活用例

CSSセレクタを用いたselectメソッドの活用例を紹介します。以下のHTMLを例にして、CSSセレクタを用いて要素を選択する方法を紹介します。

<!DOCTYPE html>
<html>
<head>
<title>Sample Page</title>
</head>
<body>
<ul>
<li class="item">Item 1</li>
<li class="item">Item 2</li>
<li class="item">Item 3</li>
<li class="item">Item 4</li>
</ul>
</body>
</html>

例えば、上記のHTMLから「<ul>」タグの子要素で、「<li>」タグでclass属性が「item」である要素を取得するには、以下のようにコードを書きます。

from bs4 import BeautifulSoup
html = """
<!DOCTYPE html>
<html>
<head>
<title>Sample Page</title>
</head>
<body>
<ul>
<li class="item">Item 1</li>
<li class="item">Item 2</li>
<li class="item">Item 3</li>
<li class="item">Item 4</li>
</ul>
</body>
</html>
"""
soup = BeautifulSoup(html, "html.parser")
li_tags = soup.select("ul li.item")
print(li_tags)

出力結果は以下のようになります。

[<li class="item">Item 1</li>, <li class="item">Item 2</li>, <li class="item">Item 3</li>, <li class="item">Item 4</li>]

ここでは、CSSセレクタとして「ul li.item」を渡して、「<ul>」タグの子要素で、「<li>」タグでclass属性が「item」である要素を選択しています。

selectメソッドの注意点とトラブルシューティング

selectメソッドを使用する際に、注意すべき点があります。以下にその点を紹介します。

selectメソッドに渡すCSSセレクタは、正確に指定する必要があります。タグ名やclass名、id名などを間違えると、正しい要素を選択できない場合があります。
selectメソッドは、リスト形式で要素を返すため、取得した要素が1つしかない場合でも、インデックスを指定する必要があります。
selectメソッドは、指定した要素が存在しない場合でもエラーを出力しません。そのため、要素が存在するかどうかを確認する必要があります。

以上の点に注意して、selectメソッドを使用することで、HTMLから必要な要素を簡単に取得することができます。

まとめ

今回は、BeautifulSoupのselectメソッドを使ったHTMLからの要素の選択方法について紹介しました。selectメソッドを使うことで、CSSセレクタを用いてHTMLから必要な要素を選択できるため、Webスクレイピングやデータ収集に役立ちます。しかし、正確なCSSセレクタを指定することが重要であるため、注意が必要です。