HTMLが元データなんだけど

2024年6月8日

理解しました。HTMLからデータを取得して結合する方法を示します。まず、Beautiful Soupを使用してHTMLを解析し、必要なデータを抽出します。その後、Pandasを使用してデータをデータフレームに変換し、結合します。

以下は、Beautiful SoupとPandasを使用してHTMLからデータを抽出し、結合する方法の例です：

python
from bs4 import BeautifulSoup
import pandas as pd

# 最初のHTMLデータ
html1 = """
<table class="grid-look">
    <thead class="product-grid-top">
        <tr>
            <td><div class="swatch-option image" option-type="2" option-id="1346" option-label="BLACK"></div><div>BLACK</div></td>
            <td><div class="swatch-option image" option-type="2" option-id="1347" option-label="GRAY"></div><div>GRAY</div></td>
        </tr>
    </thead>
    <tbody id="product-grid" class="product-grid-center">
        <tr class="item">
            <td><div class="swatch-option text" option-type="0" option-id="1801" option-label="S">S</div></td>
            <td><span>在庫有り</span></td>
        </tr>
        <tr class="item">
            <td><div class="swatch-option text" option-type="0" option-id="1796" option-label="M">M</div></td>
            <td><span>在庫有り</span></td>
        </tr>
    </tbody>
</table>
"""

# 2番目のHTMLデータ
html2 = """
<table class="item_size">
    <tbody>
        <tr>
            <td>商品番号</td>
            <td>Color</td>
            <td>Size</td>
        </tr>
        <tr>
            <td>RSU500BK01L</td>
            <td>BLACK</td>
            <td>L</td>
        </tr>
        <tr>
            <td>RSU500BK01M</td>
            <td>BLACK</td>
            <td>M</td>
        </tr>
    </tbody>
</table>
"""

# BeautifulSoupでHTMLを解析
soup1 = BeautifulSoup(html1, 'html.parser')
soup2 = BeautifulSoup(html2, 'html.parser')

# データを抽出してリストに格納
data1 = []
for tr in soup1.find_all('tbody')[0].find_all('tr'):
    tds = tr.find_all('td')
    if len(tds) == 2:
        data1.append([tds[0].text.strip(), tds[1].text.strip()])

data2 = []
for tr in soup2.find_all('tbody')[0].find_all('tr'):
    tds = tr.find_all('td')
    if len(tds) == 3:
        data2.append([tds[0].text.strip(), tds[1].text.strip(), tds[2].text.strip()])

# データをデータフレームに変換
df1 = pd.DataFrame(data1, columns=['Size', 'Stock'])
df2 = pd.DataFrame(data2, columns=['商品番号', 'Color', 'Size'])

# カラム名が一致する場合はマージ
merged_df = pd.merge(df1, df2, on=['Color', 'Size'])

# 結果を表示
print(merged_df)

このコードは、2つのHTMLからデータを抽出し、Pandasのデータフレームに変換し、指定されたカラムで結合します。結果のデータフレーム merged_df には、両方のHTMLから抽出されたデータが組み合わされています。