現実世界を動かす技術をシェアしよう！～身近なものづくりから最先端テクノロジーまで大募集！～

Octopus Data Inc.

Octoparseで地震情報をCSV化し、Pythonで発生傾向を可視化してみた

Posted at 2026-07-30

2026年7月28日、熊本県熊本地方を震源とする地震が相次ぎました。気象庁の発表によると、同日19時03分頃の地震は深さ10km、マグニチュード4.2、最大震度5弱（速報値）でした。

地震情報の一覧を眺めていて、「どの時間帯に情報が集中しているのだろう」と気になりました。1件ずつならWebページを見るだけで十分ですが、時間帯別に数えようとすると、まず一覧を表にしなければなりません。

最初はPythonだけで取得することも考えました。ただ、今回はスクレイピング部分をOctoparseに任せ、CSVにした後の整形と可視化をpandas／Matplotlibで行うことにしました。

やることは次の4つです。

Webページ上の繰り返しデータを抽出する
画像属性を含むデータをCSVに整形する
pandasで欠損値や表記揺れを処理する
時系列・分布・カテゴリ別件数を可視化する

重要

これは地震を予測する試みではありません。災害時の判断には、気象庁や自治体などの公式情報を利用してください。また、スクレイピング前に対象サイトの利用規約・robots.txt等を確認し、アクセス間隔と取得範囲を適切に制限してください。

完成イメージ

最終的に、次の3種類のグラフを作ります。

時間帯別の地震情報件数
マグニチュードの分布
震源地別の件数

処理の流れは以下です。

地震情報の一覧ページ
        ↓
Octoparseで一覧を抽出
        ↓
CSVとしてエクスポート
        ↓
pandasで整形・対象地域を抽出
        ↓
Matplotlibで可視化

使用する環境

手元の検証環境は次のとおりです。

Octoparse 8系
Python 3.12
pandas
Matplotlib
japanize-matplotlib

Python側のライブラリをインストールします。

python -m pip install pandas matplotlib japanize-matplotlib

Octoparseの画面名やボタン位置は、利用しているバージョンによって異なる場合があります。

データについて

取得対象には、日本気象協会 tenki.jpの過去の地震情報を使用しました。

一覧には、主に以下の項目があります。

項目	例
発生時刻	2026年07月29日12時08分頃
震源地	熊本県熊本地方
マグニチュード	M3.9
最大震度	3
詳細URL	地震ごとの詳細ページURL

サイト全体を集める必要はないので、対象は直近3ページに絞りました。実行は1回だけにし、ページ遷移には待機時間を設定します。

なお、Webの地震情報一覧は「Webページに掲載された情報」の集計に適していますが、研究・防災用途の完全な地震カタログとは限りません。観測条件や掲載基準を含めた厳密な分析が必要な場合は、気象庁が提供する一次データを使用してください。

Octoparseで地震情報を取得する

1. 新しいタスクを作成する

Octoparseを起動し、「新規作成」からカスタムタスクを作成します。

入力するURLは以下です。

https://earthquake.tenki.jp/bousai/earthquake/entries/

ページの読み込み後に自動検出を実行します。Octoparseの自動検出は、ページ内の類似要素やページネーションを認識してワークフローの候補を作成できます。

2. 地震情報の繰り返しリストを選択する

自動検出されたプレビューで、地震情報の各行が繰り返しデータとして選択されていることを確認します。

自動検出がうまくいかない場合は、一覧内の異なる2行を順番に選択し、「すべて選択」またはリスト作成に相当する操作を選びます。

抽出フィールドは次の5つに整理します。

フィールド名	取得する値
`発生時刻`	発生時刻のテキスト
`震源地`	震源地のテキスト
`マグニチュード`	Mを含むテキスト
`最大震度`	震度画像の`alt`属性
`詳細URL`	発生時刻リンクのURL
`画像URL`	震度画像リンクのURL

3. 最大震度で少し詰まった

最大震度は普通のテキストとして取れるだろうと思っていました。ところが、画面上では数字に見えても、ページ上では画像として表示されています。ここをテキスト抽出にしてしまうと、期待した値は入りません。

画像URLを取って後から判定する方法もありますが、今回は画像要素の alt属性を抽出する方が簡単でした。

Octoparseで最大震度の画像を選び、抽出するデータの種類を「属性」に変更して、属性名にaltを指定します。

プレビューが次のようになれば成功です。

空欄や画像URLになっている場合は、フィールドの抽出設定を再確認します。

4. 詳細ページのURLを取得する

発生時刻には各地震の詳細ページへのリンクが設定されています。

発生時刻を選択し、テキストとは別にリンク先URLを抽出します。URLは、重複を除くときの識別子や、元データを確認するときに利用できます。

5. ページネーションを設定する

ページ下部の「次へ」に相当するリンクを選択し、ページネーションループを作成します。

欲しいのは分析用の小さなデータセットだけなので、ループ回数は 3回に制限しました。また、連続アクセスを避けるため、ページを開く処理に数秒の待機時間を設定します。

設定後のワークフローは、おおむね次の構造になります。

ページを開く
└─ ページネーション
   └─ リストをループ
      └─ データを抽出

いきなり3ページを回すのではなく、まず1ページだけでテストします。プレビューでは次の点を確認します。

1件が1行になっている
発生時刻と震源地が同じ地震に対応している
最大震度がalt属性から取得できている
詳細URLが欠落していない
同じページを無限に巡回していない

6. CSVにエクスポートする

タスクをローカル実行し、結果をCSV形式でエクスポートします。ファイル名は次のようにしました。

earthquakes.csv

OctoparseはCSV、Excel、HTML、JSONなどへのエクスポートに対応しています。pandasに渡したかったので、今回はCSVを選びました。

CSVの先頭は、概ね次のような形式になります。

発生時刻,震源地,マグニチュード,最大震度,詳細URL
2026年07月29日12時08分頃,熊本県熊本地方,M3.9,3,https://earthquake.tenki.jp/...
2026年07月29日11時37分頃,熊本県天草・芦北地方,M3.0,2,https://earthquake.tenki.jp/...

以下は実際の取得内容です。取得時刻によって変わります。

pandasでデータを整形する

ここからはPythonで処理します。まず、CSVを読み込み、列名と欠損値を確認します。

from pathlib import Path

import pandas as pd

CSV_PATH = Path("earthquakes.csv")

df = pd.read_csv(CSV_PATH, dtype=str)
df.columns = df.columns.str.strip()

required_columns = {
    "発生時刻",
    "震源地",
    "マグニチュード",
    "最大震度",
    "詳細URL",
}

missing_columns = required_columns - set(df.columns)
if missing_columns:
    raise ValueError(f"CSVに必要な列がありません: {sorted(missing_columns)}")

print(df.head())
print(df.isna().sum())

発生時刻を`datetime`に変換する

発生時刻には「頃」が含まれるため、取り除いてから変換します。

df["発生時刻"] = pd.to_datetime(
    df["発生時刻"]
      .str.strip()
      .str.replace("頃", "", regex=False),
    format="%Y年%m月%d日%H時%M分",
    errors="coerce",
)

マグニチュードを数値に変換する

M3.9のような文字列から数値部分を抽出します。震源地やマグニチュードが未確定の場合もあるため、変換できない値はNaNにします。

df["マグニチュード"] = pd.to_numeric(
    df["マグニチュード"].str.extract(r"(\d+(?:\.\d+)?)")[0],
    errors="coerce",
)

最大震度を正規化する

震度には5弱や6強などがあるため、グラフ上の並び順に使える数値も作ります。

SHINDO_SCORE = {
    "1": 1.0,
    "2": 2.0,
    "3": 3.0,
    "4": 4.0,
    "5弱": 5.0,
    "5強": 5.5,
    "6弱": 6.0,
    "6強": 6.5,
    "7": 7.0,
}

df["最大震度"] = (
    df["最大震度"]
      .str.strip()
      .str.replace("震度", "", regex=False)
      .str.extract(r"(7|6強|6弱|5強|5弱|4|3|2|1)")[0]
)

df["最大震度スコア"] = df["最大震度"].map(SHINDO_SCORE)

このスコアは描画順を決めるための便宜的な値です。計測震度そのものではありません。

重複と必須項目の欠損を除く

詳細URLが取得できている場合はURLを優先して重複判定に使います。

has_url = df["詳細URL"].notna() & df["詳細URL"].ne("")

with_url = df.loc[has_url].drop_duplicates(subset=["詳細URL"])
without_url = df.loc[~has_url].drop_duplicates(
    subset=["発生時刻", "震源地", "マグニチュード", "最大震度"]
)

df = pd.concat([with_url, without_url], ignore_index=True)
df = df.dropna(subset=["発生時刻", "震源地"])
df = df.sort_values("発生時刻").reset_index(drop=True)

print(f"整形後の件数: {len(df)}")
print(f"取得期間: {df['発生時刻'].min()} ～ {df['発生時刻'].max()}")

熊本県周辺のデータを抽出する

今回は、以下の3地域を対象にします。

TARGET_EPICENTERS = [
    "熊本県熊本地方",
    "熊本県天草・芦北地方",
    "熊本県阿蘇地方",
]

START = pd.Timestamp("2026-07-28 00:00:00")
END = pd.Timestamp("2026-07-30 00:00:00")

target = df[
    df["震源地"].isin(TARGET_EPICENTERS)
    & df["発生時刻"].between(START, END, inclusive="left")
].copy()

print(f"対象データ: {len(target)}件")
print(target.groupby("震源地").size().sort_values(ascending=False))

取得ページ数によっては、指定期間の全件をカバーできないことがあります。最古の取得時刻がSTARTより新しい場合は、利用規約とアクセス負荷を確認したうえで、必要最小限だけページネーション回数を増やしてください。

可視化する

グラフを保存するディレクトリを作成します。

from pathlib import Path

import japanize_matplotlib  # noqa: F401
import matplotlib.pyplot as plt

OUTPUT_DIR = Path("output")
OUTPUT_DIR.mkdir(exist_ok=True)

plt.style.use("ggplot")

1. 時間帯別の地震情報件数

hourly = (
    target.set_index("発生時刻")
          .resample("h")
          .size()
          .rename("件数")
)

fig, ax = plt.subplots(figsize=(12, 5))
hourly.plot(
    ax=ax,
    marker="o",
    linewidth=1.8,
    color="#d35400",
)

ax.set_title("熊本県周辺：時間帯別の地震情報件数")
ax.set_xlabel("発生時刻")
ax.set_ylabel("件数")
ax.grid(alpha=0.3)

fig.tight_layout()
fig.savefig(OUTPUT_DIR / "earthquakes_hourly.png", dpi=160)
plt.show()

最新の1時間は集計途中である可能性があります。継続取得したデータを比較するときは、未完了の時間帯を除いてください。

2. マグニチュードの分布

magnitude = target["マグニチュード"].dropna()

fig, ax = plt.subplots(figsize=(9, 5))
ax.hist(
    magnitude,
    bins=range(0, 9),
    edgecolor="white",
    color="#2980b9",
    align="left",
)

ax.set_title("熊本県周辺：マグニチュードの分布")
ax.set_xlabel("マグニチュード")
ax.set_ylabel("件数")
ax.set_xticks(range(0, 9))
ax.grid(axis="y", alpha=0.3)

fig.tight_layout()
fig.savefig(OUTPUT_DIR / "magnitude_distribution.png", dpi=160)
plt.show()

3. 震源地別の件数

by_epicenter = (
    target["震源地"]
    .value_counts()
    .sort_values()
)

fig, ax = plt.subplots(figsize=(9, 5))
by_epicenter.plot.barh(ax=ax, color="#16a085")

ax.set_title("熊本県周辺：震源地別の地震情報件数")
ax.set_xlabel("件数")
ax.set_ylabel("震源地")
ax.grid(axis="x", alpha=0.3)

fig.tight_layout()
fig.savefig(OUTPUT_DIR / "earthquakes_by_epicenter.png", dpi=160)
plt.show()

4. 最大震度別の件数

震度は単純な文字列順に並べると順序が崩れるため、カテゴリの順番を明示します。

SHINDO_ORDER = ["1", "2", "3", "4", "5弱", "5強", "6弱", "6強", "7"]

shindo_counts = (
    target["最大震度"]
    .value_counts()
    .reindex(SHINDO_ORDER, fill_value=0)
)

fig, ax = plt.subplots(figsize=(9, 5))
shindo_counts.plot.bar(ax=ax, color="#8e44ad")

ax.set_title("熊本県周辺：最大震度別の地震情報件数")
ax.set_xlabel("最大震度")
ax.set_ylabel("件数")
ax.tick_params(axis="x", rotation=0)
ax.grid(axis="y", alpha=0.3)

fig.tight_layout()
fig.savefig(OUTPUT_DIR / "earthquakes_by_shindo.png", dpi=160)
plt.show()

1ファイルで実行できる完全版

ここまでの処理をまとめたコードです。

from pathlib import Path

import japanize_matplotlib  # noqa: F401
import matplotlib.pyplot as plt
import pandas as pd


CSV_PATH = Path("earthquakes.csv")
OUTPUT_DIR = Path("output")
OUTPUT_DIR.mkdir(exist_ok=True)

TARGET_EPICENTERS = [
    "熊本県熊本地方",
    "熊本県天草・芦北地方",
    "熊本県阿蘇地方",
]

START = pd.Timestamp("2026-07-28 00:00:00")
END = pd.Timestamp("2026-07-30 00:00:00")

SHINDO_ORDER = ["1", "2", "3", "4", "5弱", "5強", "6弱", "6強", "7"]
SHINDO_SCORE = {
    "1": 1.0,
    "2": 2.0,
    "3": 3.0,
    "4": 4.0,
    "5弱": 5.0,
    "5強": 5.5,
    "6弱": 6.0,
    "6強": 6.5,
    "7": 7.0,
}


def load_and_clean(path: Path) -> pd.DataFrame:
    df = pd.read_csv(path, dtype=str)
    df.columns = df.columns.str.strip()

    required = {
        "発生時刻",
        "震源地",
        "マグニチュード",
        "最大震度",
        "詳細URL",
    }
    missing = required - set(df.columns)
    if missing:
        raise ValueError(f"CSVに必要な列がありません: {sorted(missing)}")

    df["発生時刻"] = pd.to_datetime(
        df["発生時刻"]
          .str.strip()
          .str.replace("頃", "", regex=False),
        format="%Y年%m月%d日%H時%M分",
        errors="coerce",
    )

    df["マグニチュード"] = pd.to_numeric(
        df["マグニチュード"].str.extract(r"(\d+(?:\.\d+)?)")[0],
        errors="coerce",
    )

    df["最大震度"] = (
        df["最大震度"]
          .str.strip()
          .str.replace("震度", "", regex=False)
          .str.extract(r"(7|6強|6弱|5強|5弱|4|3|2|1)")[0]
    )
    df["最大震度スコア"] = df["最大震度"].map(SHINDO_SCORE)

    has_url = df["詳細URL"].notna() & df["詳細URL"].ne("")
    with_url = df.loc[has_url].drop_duplicates(subset=["詳細URL"])
    without_url = df.loc[~has_url].drop_duplicates(
        subset=["発生時刻", "震源地", "マグニチュード", "最大震度"]
    )

    df = pd.concat([with_url, without_url], ignore_index=True)
    df = df.dropna(subset=["発生時刻", "震源地"])
    return df.sort_values("発生時刻").reset_index(drop=True)


def save_charts(target: pd.DataFrame) -> None:
    if target.empty:
        raise ValueError(
            "対象データが0件です。取得ページ数、期間、震源地名を確認してください。"
        )

    plt.style.use("ggplot")

    hourly = (
        target.set_index("発生時刻")
              .resample("h")
              .size()
              .rename("件数")
    )
    fig, ax = plt.subplots(figsize=(12, 5))
    hourly.plot(ax=ax, marker="o", linewidth=1.8, color="#d35400")
    ax.set(
        title="熊本県周辺：時間帯別の地震情報件数",
        xlabel="発生時刻",
        ylabel="件数",
    )
    ax.grid(alpha=0.3)
    fig.tight_layout()
    fig.savefig(OUTPUT_DIR / "earthquakes_hourly.png", dpi=160)
    plt.close(fig)

    magnitude = target["マグニチュード"].dropna()
    if not magnitude.empty:
        fig, ax = plt.subplots(figsize=(9, 5))
        ax.hist(
            magnitude,
            bins=range(0, 9),
            edgecolor="white",
            color="#2980b9",
            align="left",
        )
        ax.set(
            title="熊本県周辺：マグニチュードの分布",
            xlabel="マグニチュード",
            ylabel="件数",
        )
        ax.set_xticks(range(0, 9))
        ax.grid(axis="y", alpha=0.3)
        fig.tight_layout()
        fig.savefig(OUTPUT_DIR / "magnitude_distribution.png", dpi=160)
        plt.close(fig)

    by_epicenter = target["震源地"].value_counts().sort_values()
    fig, ax = plt.subplots(figsize=(9, 5))
    by_epicenter.plot.barh(ax=ax, color="#16a085")
    ax.set(
        title="熊本県周辺：震源地別の地震情報件数",
        xlabel="件数",
        ylabel="震源地",
    )
    ax.grid(axis="x", alpha=0.3)
    fig.tight_layout()
    fig.savefig(OUTPUT_DIR / "earthquakes_by_epicenter.png", dpi=160)
    plt.close(fig)

    shindo_counts = (
        target["最大震度"]
        .value_counts()
        .reindex(SHINDO_ORDER, fill_value=0)
    )
    fig, ax = plt.subplots(figsize=(9, 5))
    shindo_counts.plot.bar(ax=ax, color="#8e44ad")
    ax.set(
        title="熊本県周辺：最大震度別の地震情報件数",
        xlabel="最大震度",
        ylabel="件数",
    )
    ax.tick_params(axis="x", rotation=0)
    ax.grid(axis="y", alpha=0.3)
    fig.tight_layout()
    fig.savefig(OUTPUT_DIR / "earthquakes_by_shindo.png", dpi=160)
    plt.close(fig)


df = load_and_clean(CSV_PATH)

target = df[
    df["震源地"].isin(TARGET_EPICENTERS)
    & df["発生時刻"].between(START, END, inclusive="left")
].copy()

print(f"全取得データ: {len(df)}件")
print(f"対象データ: {len(target)}件")
print(target.groupby("震源地").size().sort_values(ascending=False))

save_charts(target)
print(f"グラフを保存しました: {OUTPUT_DIR.resolve()}")

グラフを見るときに気をつけたいこと

時間帯別のグラフに山ができると、つい理由まで説明したくなります。ただ、今回数えているのは、取得したWebページに掲載された地震情報の件数です。次のことは、このグラフだけから判断できません。

地震活動が今後増えるか減るか
大きな地震の前兆であるか
地域間の地震リスクが高いか低いか
地震同士に直接的な因果関係があるか

ここで分かるのは「いつ、どのような情報が掲載されたか」までです。地震の予測や因果関係の推定には使えません。

Octoparseを使ってみて感じた向き・不向き

今回のような繰り返しの一覧は、Octoparseに任せるとHTML解析やページネーションを一から書かずに済みます。特に、最大震度のような少し変わったフィールドを画面上で確認しながら調整できる点は便利です。

一方、公式APIがあるなら、私はそちらを先に検討します。緊急地震速報のようにリアルタイム性が必要な用途や、完全性が求められる研究用途にも、この方法は向きません。

たとえば、次のような場面なら使いやすそうです。

Webページに一覧はあるが、CSVダウンロード機能がない
一度だけ、または小規模にデータを整形したい
Seleniumの実装や保守に時間をかけたくない
抽出結果をExcelやCSVから分析したい

逆に、次の条件では別の方法を選びます。

公式APIや公式CSVが提供されている
緊急地震速報のようなリアルタイム性が必要
防災システムや研究で、完全性・継続性が保証されたデータが必要
対象サイトの規約で自動取得が認められていない

Octoparseを「APIの代わり」と考えるより、公開Webページしか入口がないときにデータ取得を補助する道具と考える方がしっくりきます。

おわりに

今回いちばん面白かったのは、画面上では数字に見える最大震度が、実際には画像だったことです。alt属性をCSVに入れてしまえば、後は普通のカテゴリデータとしてpandasで扱えます。

全部をノーコードで完結させるのではなく、取得はOctoparse、加工と確認はPythonと分けると、手早さと再現性のバランスを取りやすいと感じました。

次に試すなら、同じタスクを一定間隔で実行し、前回との差分だけを保存する形にしてみたいです。ただし、リアルタイムの防災通知として使うのではなく、後から傾向を振り返るための収集として考えています。

参考資料

※ 私はOctoparseに関係する立場です。この記事では、製品紹介そのものではなく、Web上の一覧を分析できる形にする一例をまとめました。

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up