Beautiful Soupを利用してPythonでスクレイピングを行う環境構築方法の解説

2017/02/11 2017/04/29

PythonのBeautiful Soupを利用してスクレイピングを実行

Beautiful Soupとは？

　
「Beautiful Soup」は、スクレイピングに特化した機能を持っている Pythonのライブラリです。
「Beautiful Soup」は、スクレイピングに特化した機能を持っているため、スクレイピングによる情報の取得が簡単な記述で取得できるようになります。
　
　
「Selenium WebDriver、Pythonをインストールしブラウザ自動操作の環境構築手順のまとめ」で、Seleniumの記事を書いていますが、Seleniumでブラウザを自動操作しつつ、スクレイピングをしていく処理を構築する上で、BeautifulSoupは強力なツールになってくれます。
Pythonでスクレイピングの処理を構築する場合は、ぜひとも利用したいライブラリですね。
　
　
この記事では、Windows10の環境にセットアップする想定で書いていますので、その点はご了承ください。
　
　

Beautiful Soupをインストール

　
現在の Beautiful Soupの最新バージョンは 4になっていますので、Beautifulsoup4をインストールします。
　
　

Python、pipインストールの確認

　
ですが、BeautifulSoup4を利用するには、Pythonがインストールされている必要があり、Pythonのライブラリをインストールするには、pipというツールが必要です。
　
すでに pipもインストールされていれば問題ないですが、まだインストールをしていない場合は、下記の記事を参考にして、pipのインストールをしてください。
　Selenium WebDriver、Pythonをインストールしブラウザ自動操作の環境構築手順のまとめ
　
　

BeautifulSoup4のインストール

　
BeautifulSoup4のインストールは、下記のコマンドで実行します。
　
下記コマンドでインストール（pipにパスが通っていない場合はパス付で実行）
　

c:\python27\Scripts\pip install beautifulsoup4

1	c:\python27\Scripts\pip install beautifulsoup4

C:\> c:\python27\Scripts\pip install beautifulsoup4
Collecting beautifulsoup4
  Downloading beautifulsoup4-4.5.3-py2-none-any.whl (85kB)
    100% |################################| 92kB 430kB/s
Installing collected packages: beautifulsoup4
Successfully installed beautifulsoup4-4.5.3

C:\>

C:\> c:\python27\Scripts\pip install beautifulsoup4

Collecting beautifulsoup4

Downloading beautifulsoup4-4.5.3-py2-none-any.whl (85kB)

100% |################################| 92kB 430kB/s

Installing collected packages: beautifulsoup4

Successfully installed beautifulsoup4-4.5.3

C:\>

　
　
コマンドを実行し、「Successfully installed beautifulsoup4-4.5.3」と出てきたら、BeautifulSoup4のインストールは正常終了したことになります。
　
　
ツールのインストールだけなので、簡単ですね。
　
BeautifulSoup4の使い方に関しては、また別記事でご紹介します！
　
　

スクレイピングに関連する記事

　
スクレイピングを行うに当たって、「Beautiful Soup」だけを使って実行することはないわけですが、私がスクレイピングを行う際に使ったものとして、Selenium WebDriverというブラウザを自動的に操作するツールがあります。
それらに関連する記事をご紹介しておきます。あわせてご覧ください。
　
　Selenium WebDriver、Pythonをインストールしブラウザ自動操作の環境構築手順のまとめ
　 PythonでUTF-8など日本語（全角文字）を使う方法。コメントにも必要。
　Pythonをコマンドラインで実行。全角文字（日本語）を引数にする場合の対処方法
　 Selenium WebDriverでFirefoxをプライベートウィンドウ／Chromeをシークレットモードで起動する方法・言語はpython
　Selenium WebDriver、Pythonをインストールし Chromeの自動操作の環境構築手順のまとめ
　 Beautiful Soupを利用してPythonでスクレイピングを行う環境構築方法の解説
　 PythonでMySQLへの接続ライブラリMySQL-pythonの簡単インストール方法
　 PythonでURLの有無、存在をチェックするスクリプト

- プログラミング・Web関連技術

最後までお読みいただきましてありがとうございます。
この記事が参考になったと思いましたらソーシャルメディアで共有していただけると嬉しいです！

Message コメントをキャンセル

※入力いただいたコメントは管理者の承認後に掲載されます。

: コピーコンテンツ・直リンクの3つの対策Google通報などのまとめ

コピーコンテンツを発見したときにやること！Googleに通報、画像の直リンクを禁止、RSSの全文配信を停止。この対策をしないとあなたのサイトの評価も下がるかも！

: ロリポップからX-Serverに引越し。サーバの月額費用が増えても求めた理由は？

ロリポップからX-Serverに引越すその理由とは？SEOの観点からも少しでもサーバレスポンスが早いサーバが求められロリポップでは限界を感じたからです。

: Selenium WebDriver、Pythonをインストールしブラウザ自動操作の環境構築手順のまとめ

ブラウザを自動操作しテストを実行するロボットをselenium WebDriver＋Pythonの環境を構築し、動作確認までの手順のまとめ。初心者向けに詳細解説。サンプルソースも。

: CentOS環境に ntpdをインストールして自動的に時刻を取得して合わせる設定にする

VirtualBoxに構築した CentOSの環境の時計がずれているとき、ntpdをインストールし、時計を合わせる方法を解説。NTPサーバを指定する方法や ntpdを自動起動する設定も解説。

: Git管理のソースを元に新しく構築する環境に反映させる手順

Gitで管理しているソースを使って環境を構築する方法を解説。CakePHPを使う想定で、環境を構築したのちpullして、重複ファイルを削除して、改めてpullすれば出来上がる。

: WordPress、Webサイトの表示高速化！画像を軽くする基本的な考え方

画面表示の高速化には画像のファイル容量を小さくする方法があります。ツールを使わなくても小さくするための基本的な考え方を解説します。

: PythonでURLの有無、存在をチェックするスクリプト

PythonでURLが存在するか否かのチェックスクリプト。ライブラリ「urllib2」を使い、指定のURLにアクセスしそのレスポンスコードを判別するという仕組み。

: .gitignoreで無視フォルダの中の特定のファイルを除外「!（否定文）」を使う場合の注意点

Gitで管理する対象、対象外のファイル、フォルダの指定は .gitignoreに記述する。その基本的な記述の方法に加え、無視対象にしたフォルダの中の特定のファイルを管理対象にする記述方法を解説。

: 日本語は2バイト文字？3バイト文字？

日本語は2バイトという理解でしたが、UTF-8では事情が違います。その説明です。

: Gitで「fatal: Authentication failed for ‘https://example.com/git_repositories/example.git/’」のエラーが出た場合の対処方法の一つ

Gitのリモートリポジトリにアクセスする際、Authentication failedのエラーが。しかし、ID、PASSが間違っているのではなく、リモートリポジトリのURLが間違っている場合もあるので再度確認を。