1
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

Wikipediaの国旗画像を一括ダウンロードする【Python】【BeautifulSoup】

Last updated at Posted at 2020-03-22

#概要
Wikipediaの国旗の一覧に載っている国旗画像をpythonでダウンロード(スクレイピング)しました。

#参考

#環境
macOS Catalina
python3.8.0
#ライブラリのインストール

pip install beautifulsoup4
pip install requests
pip install urllib
pip install lxml

#実装
figsというフォルダを予め作成した状態で実行してください。

from bs4 import BeautifulSoup
import requests
import urllib
import os
import time

#wikipedia「国旗の一覧」のurl
wiki_url = "https://ja.wikipedia.org/wiki/%E5%9B%BD%E6%97%97%E3%81%AE%E4%B8%80%E8%A6%A7"

#htmlソースの取得とパース
html_text = requests.get(wiki_url).text
soup = BeautifulSoup(html_text,"lxml")

#imgタグの取得
imgs = soup.find_all("img")
#国旗画像URLの取得
flag_urls = []
for tag in imgs:
    #国旗画像のimgタグはalt属性が"〇〇の旗"という形式になっているので(2020年3月22日現在)、"旗"が含まれるものだけ処理する。
    if "" not in tag.get("alt"):
        continue
    url = tag.get("src") #src属性(urlの相対パス)を取得
    url = "https:"+url #https:を先頭につけて絶対URLにする
    flag_urls.append(url)

for url in flag_urls:
    #ダウンロード先のパスの指定
    #各URLの末尾は"125px-Flag_of_国名.svg.png"のようになっている。ここから"Flag_of_国名.png"をダウンロード後のファイル名にする
    png_name = url.split("px-")[-1].split(".")[0]+".png"
    #figsというディレクトリの下に保存する。figsは予め作っておく
    png_name = os.path.join("./figs",png_name)
    #ファイルが存在しない場合のみダウンロードする
    if os.path.exists(png_name): 
        print("File",png_name,"already exists")
        continue
    urllib.request.urlretrieve(url,png_name)
    print("File",png_name,"downloaded")
    #サーバに負荷を与えないため待機
    time.sleep(1)

ファイル名が一部文字化けしていましたが、ダウンロードは無事できました。

#おまけ
国旗ファイル名と日本語国名の対応表が欲しい場合は上記コードのimgs変数のalt属性から情報を取得できます

from bs4 import BeautifulSoup
import requests
import urllib
import os
import time

#wikipedia「国旗の一覧」のurl
wiki_url = "https://ja.wikipedia.org/wiki/%E5%9B%BD%E6%97%97%E3%81%AE%E4%B8%80%E8%A6%A7"

#htmlソースの取得とパース
html_text = requests.get(wiki_url).text
soup = BeautifulSoup(html_text,"lxml")
#imgタグの取得
imgs = soup.find_all("img")
#国名とファイル名の対応表を作る
table = []
for tag in imgs:
    #国旗画像のimgタグはalt属性が"〇〇の旗"という形式になっているので(2020年3月22日現在)、"旗"が含まれるものだけ処理する。
    if "" not in tag.get("alt"):
        continue
    country_name = tag.get("alt")[:-2] #"〇〇の旗"の"〇〇"(最後2文字以外)を取得
    url = tag.get("src") #src属性(urlの相対パス)を取得
    #各URLの末尾は"125px-Flag_of_国名.svg.png"のようになっている。ここから"Flag_of_国名.png"をダウンロード後のファイル名にする
    png_name = url.split("px-")[-1].split(".")[0]+".png"
    table.append(country_name+','+png_name)

with open("name_to_img.csv", "w") as f:
    f.write("\n".join(table))
    
1
2
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?