Pythonで備える2021春アニメ - nikkie-ftnextの日記

f:id:nikkie-ftnext:20210407214953p:plain

はじめに

四月と言ったら「君の嘘」。nikkieです。
気づけば桜🌸が咲き（そして散り）、アニメファンとしてはウキウキの新クールです。

クールの頭には、アニメイトタイムズさんの一覧でざっと眺め、「0話切り」をしています。
今回も眺めていたところ、「パースして手元で見て、放送開始日順に並び替えられるのでは？」と思い付き、Pythonでやってみました¹。

アニメイトタイムズさんの春アニメ一覧。構造は単調そうなのでHTMLで保存してBeautifulSoupでパースhttps://t.co/uTI3OHrkhm
手元でざっと見た印象、今期も豊作ですね。
「さよなら私のクラマー」「不滅のあなたへ」と気になってた漫画タイトルのアニメ化！
フルバファイナルやメイドラゴン再放送も
— nikkie 📣PyCon JP 2021 スタッフ募集中！ (@ftnext) 2021年4月3日

動作環境

macOS
Python 3.9.0

HTMLのパースには以下を使います：

beautifulsoup4    4.9.3

なお、対象のHTMLはブラウザの機能でダウンロードして、パースの実装を試行錯誤しています。
試行錯誤の際にサーバに不要なリクエストが飛ぶのは望まないので、ローカルにダウンロードしました。

Pythonで0話切り

対象のHTML

開発者ツールで覗くと、sectionタグとasideタグによる2カラム構成です。
sectionタグの中には、大まかには以下の構造でアニメの情報が詰まっています（今回興味あるところだけ抜き出しました）。

<h2 id="1">アニメ1</h2>
<table>
<tr>
<td>放送<br>スケジュール</td>
<th>2021年4月X日</th>
</tr>
<tr>
...
</tr>
</table>
...

<h2 id="2">アニメ2</h2>
<table>
<tr>
<td>放送<br>スケジュール</td>
<th>2021年4月Y日</th>
</tr>
<tr>
...
</tr>
</table>
...

パース戦略

h2タグとtableタグがセットになって、春クールのアニメ分並んでいます。
h2タグはアニメのタイトル以外にも使われているのですが、アニメのタイトルで使う場合id属性が指定されているという特徴がありました²。
この作りを利用して、sectionタグの中身から以下を抜き出しました：

id属性が指定されたh2タグ
tableタグ

これらの数が一致することを確認しました！
あとは、tableタグの中の「放送スケジュール」の行の日付をdatetime.dateに変換して、放送開始日順に並び替えます。

スクリプトはこちら：

取り組んで知った技術的なトピック

beautifulsoup4でHTMLタグのid属性を扱う

soup.find_all("タグ") で見つかった1個1個のタグ（Tag）について、タグの属性（attribute）³を扱えました！

h2タグについて

id属性を持つか判定：has_attr("id")⁴
id属性の値：get_attribute_list("id")⁵（リストで返ります）

`re`の`findall`と`finditer`の違い

matches = re.finditer(r"(\d{4})年(\d{1,2})月(\d{1,2})日", schedule)
for m in matches:
    ...

正規表現を使い、放送日を表す文字列 schedule から finditer で全てのマッチオブジェクトを取り出します⁶。
今クールに再放送するために、本放送日と合わせて複数の日付が載っているケースがありました（例：ニジガク）。

https://docs.python.org/ja/3/library/re.html#finding-all-adverbs-and-their-positions

パターンの全てのマッチについて、マッチしたテキスト以上の情報が必要なら、文字列ではなくマッチオブジェクトを返す finditer() が便利です。

個々のマッチオブジェクト m は

m.group(0)が正規表現にマッチした文字列全体
m.group(1), m.group(2), ...がキャプチャの()に対応

します⁷。

感想

手元でタイトル眺め、気になるものは詳細を確認して、今期の0話切りは終了です。
気になってた漫画タイトルのアニメ化が多く、楽しみです🤩

今クールは全部で80作品ほどあり、「こんなにあるのか」と驚きました。
続き物や深夜帯でない枠は含んでいないので、1クール100本くらいのアニメが流れているんですね！

Pythonを使ったのは好みです。HTMLのパースなので、お好みの言語やライブラリをお使いください！↩
目次からページ内を移動できるようにするためだと思われます↩
https://developer.mozilla.org/ja/docs/Learn/HTML/Introduction_to_HTML/Getting_started#attributes ↩
https://www.crummy.com/software/BeautifulSoup/bs4/doc/#a-function ↩
https://www.crummy.com/software/BeautifulSoup/bs4/doc/#multi-valued-attributes ↩
findallは文字列だけです。ref: https://docs.python.org/ja/3/library/re.html#finding-all-adverbs ↩
https://docs.python.org/ja/3/library/re.html#re.Match.group ↩