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。

: .htaccessのmod_deflateでファイル圧縮送信で高速化でSEO対策！

Page Speed Insightsの指摘事項であるファイルの圧縮送信の対応方法。処理内容の解説もあるけど、.htaccessにコピペするだけの簡単設置で効果抜群！SEOにも威力を発揮！

: エックスサーバーで独自SSLは永久無料で取り放題。利用方法と理由を解説！

エックスサーバーでは独自SSLが無料でいくつでも設置できるように！しかも、国、都道府県などの数項目の入力と数クリックだけという超簡単！SSL化しない理由がない！

: .gitignoreを更新しても反映されないときは「git rm -r –cached .」でキャッシュを削除

gitの.gitignoreを変更しても記述内容が反映されない時がある。それはGitのキャッシュが残っているため。そんなときは「git rm」コマンドを使ってキャッシュを削除すれば解決する。

: Gitで基本的なデプロイ（push、pullで本番公開）環境を作る手順解説

開発進行中の環境、公開中の環境にGitを導入する。その基本的な手続きを解説。Gitの導入、ローカルリポジトリを作成。リモートリポジトリを利用し、本番環境にデプロイする手続きを解説。

: ブラウザのキャッシュを活用するの対策！広告バナーを消して表示を高速化

あなたのサイトが遅いのはバリューコマースのバナーではないですか？バリューコマースのバナーを外すだけでmod_deflateとmod_expiresを設定するより効果があります！

: Webサイト公開時に重複コンテンツを排除する.htaccessのリダイレクトの設定のまとめ

サイトを公開する際にはURLの正規化は必須です。正規化とは何かを解説し、.htaccessに設定すべきリダイレクトの設定を具体的に説明します。

: 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。

: XSERVERにCakePHP3をインストール。コマンドラインのPHPのバージョンを変更する方法で解決

XSERVERにCakePHP3をインストールするときに問題となるのはサーバーパネルとSSH接続の時とで認識されるPHPのバージョンの違いがあるため。その解消方法を解説する。

: 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。

: さくらサーバのmb_send_mailでメール送信時にmalformed header from script ‘xxx.php’: Bad header: xxxのエラーが

さくらインターネットのレンタルサーバからPHPのmb_send_mail()関数を利用してメールを送信するとInternal Server Errorが発生。その原因は、メールアドレスが登録されていないこと。