Pythonでウィキペディアのインフォボックスからテキストを取得する

この記事では、BeatifulSoupとPythonのリクエストを使用して、ウィキペディアのインフォボックスからテキストを取得します。 10分でできます。簡単です。

bs4とリクエストをインストールする必要があります。以下のコマンドを実行してインストールします。

pip install bs4
pip install requests

以下の手順に従って、インフォボックスから必要なテキストをフェッチするコードを記述します。

• bs4とrequestsモジュールをインポートします。
• requests.get（）メソッドを使用してデータを取得するページにHTTPリクエストを送信します。
• bs4.BeautifulSoupクラスを使用して応答テキストを解析し、変数に格納します。
• ウィキペディアのページに移動して、必要な要素を調べます。
• bs4が提供する適切な方法を使用して要素を検索します。

以下のサンプルコードを見てみましょう。

例

# importing the module
import requests
import bs4

# URL
URL = "https://en.wikipedia.org/wiki/India"

# sending the request
response = requests.get(URL)

# parsing the response
soup = bs4.BeautifulSoup(response.text, 'html')

# Now, we have paresed HTML with us. I want to get the _motto_ from the wikipedia page.
# Elements structure
# table - class="infobox"
# 3rd tr to get motto

# getting infobox
infobox = soup.find('table', {'class': 'infobox'})

# getting 3rd row element tr
third_tr = infobox.find_all('tr')[2]

# from third_tr we have to find first 'a' element and 'div' element to get required data
first_a = third_tr.div.find('a')
div = third_tr.div.div

# motto
motto = f"{first_a.text} {div.text[:len(div.text) - 3]}"

# printing the motto
print(motto)

上記のプログラムを実行すると、次の結果が得られます。

出力

Satyameva Jayate "Truth Alone Triumphs"

結論

ウィキペディアのページで要素を調べて見つけることで、必要なデータを取得できます。チュートリアルに関して質問がある場合は、コメントセクションにその旨を記載してください。