テキスト考 on ぷよクエ②

2025/10/08

　ぷよクエのキャラ(カード)の基本データには、画像、変身の演出、ヴォイスなどといったテキスト以外の部分もありますが、最強デッキ選びにはほぼ関係ありません。唯一ブーストエリア画像はポイントに関係しますが、これは後から何らかの形でテキスト化も可能なので、今回はスルーします。

　そうすると、残るのは名称、コストを初めとする数値群、属性・タイプ・コンビといった性質群、リーダースキル、スキル、スキル発動条件、とくもりというオプション的な性能アップということになります。

　これらはゲーム内に自分がそのキャラを持っていれば確認できます。しかし、それを見ながらコンピュータにデータを打ち込んでいく、それを 1000を超えるカードについてやるとしたら、1時間で 10キャラとすると……とてもやっていられません。もっとましなのは、新キャラの概要はぷよクエ公式サイトに発表されるので、そのデータをコピー＆ペーストする方法です。時間は何分の一かになり、間違いも減るでしょう。しかし、この方法ではずっと以前にリリースされたキャラのデータを取ってくるのが至難です。結局、game8 でキャラを選択し(このページの左上の画像)、そこから各種データを拾うのが一番てっとり早そうです。

　それにしても、ページを出し、データのある箇所までスクロールし、必要な部分をコピーし、所定のフォーマットに貼付けていくという、一種退屈なルーチンを 1000キャラについて行うというのは大変です。一日がかりの仕事になることは目に見えています。何とかならないのでしょうか？

　最強デッキを作るという観点からいけば、【ぷよクエ】最強キャラクターランキングというページに記載のあるキャラデータを入手すればほぼ目的を達せられることがわかります。さらに、ぷよクエ関連のページは以下のような形式の URL となっており、問題になるページは、title 部に、【ぷよクエ】◯◯の評価とスキル・ステータス、という語句が含まれるものだとわかります。

 https://game8.jp/puyoque/150905

　ここまでくると、テキスト処理の独壇場です。やり方はいろいろあるでしょう。手順は次のようになります。

【ぷよクエ】最強キャラクターランキングのページをダウンロードする。
ページのソースを開くと class="a-link" となっているリンク先にキャラクタの URL があることがわかるので、これを全て取り出す。
ソートし、無関係なリンクを削除する。https://game8.jp/puyoque/ という部分をカット、150905 といった番号がダブっているので取り除く。
wget などのツールを使い、https://game8.jp/puyoque/150905 のページを 150905.html として保存、これを 3.で入手した全番号について行う。
各ページから、このページの左上の画像にあるようなデータ形式で、各キャラのデータを取り出す。

　1.は単純な保存なので説明しません(1.html とする)。 2.は例えば次のような Perl スクリプト 2.pl を実行すればいいでしょう。

# perl 2.pl 1.html > 2.txt
while (<>) {
  chomp;
  while ($_ =~ /class="a-link" href="([^"]+)"/g) {
    print "$1\n";
  }
}

　3. は emacs なら全体を選んで sort-lines というコマンドを実行、上下で https://game8.jp/puyoque/ を含まない行をカットし、uniq コマンドを実行、というようなプロセスです (詳しくはネットで検索してください)。

　4. については短時間に大量のリクエストを送ることになるので、単に wget を for ループで回すのではなく、負荷を軽減するため、ウェイトを入れながら行う必要があると思います (例えば perl の中で sleep と system を使って wget を制御するなど)。ここでは python の selenium モジュールを使う場合の例 4.py を書いておきます (実行には予め selenium モジュールをインポートし、セットしておく必要があります)。

#!/usr/bin/python3
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.by import By
from time import sleep
import re
from selenium.webdriver.support.ui import WebDriverWait

chars = ['115078','119600']

options = Options()

UA = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36' 
options.add_argument('--user-agent=' + UA)  ## ユーザーエージェントの設定
options.add_argument('--no-sandbox')  ## Sandboxの外でプロセスを動作させる
options.add_argument('--disable-dev-shm-usage')

browser = webdriver.Chrome(options=options)

for char in chars:
    url = "https://game8.jp/puyoque/" + char
    browser.get(url)
    html = browser.page_source
    log = open('log/' + char + '.txt', 'w')
    print(html, file=log) # 一番簡単な形
    log.close()
    sleep(3)

browser.quit()

　あらかじめスクリプトのあるディレクトリ下に log というサブディレクトリを作ってから実行します(python3 4.py)。また、このままでは '115078', '119600' という 2キャラのページしか入手しないので、動作を確認後、chars の配列部に 3. で作成した全キャラの番号を追加してやる必要があります。これにより、log というディレクトリ下に、115078.txt, 119600.txt というようにデータがたまっていきます。

　5. が最も難しいです。しかし、処理に慣れるにつれ、少しずつ項目を増やしていけばいいので python の正規表現の扱いのいい練習かもしれません。

#!/usr/bin/python3
import re
import os

def get_info(filename):
    html = ''
    with open(filename) as f:
        html = f.read()
    name = ''
    cost = 0
    power = 0
    attack = 0
    recover = 0
    attrib = ''
    typeof = ''
    m = re.findall(r'<title>【ぷよクエ】(.+?)の評価とスキル・ステータス', html,  re.MULTILINE)
    if m: name = m[0] #正式名
    m = re.findall(r'<th class="center">コスト</th>.+?<td class="center">.+?<td class="center">(\d+)', html,  flags=(re.MULTILINE|re.DOTALL))
    if m: cost = m[0] #コスト
    m = re.findall(r'<th class="center">たいりょく</th>.+?<td class="center">.+?<td class="center">(\d+)', html,  flags=(re.MULTILINE|re.DOTALL))
    if m: power = m[0] #たいりょく
    m = re.findall(r'<th class="center">こうげき</th>.+?<td class="center">.+?<td class="center">(\d+)', html,  flags=(re.MULTILINE|re.DOTALL))
    if m: attack = m[0] #こうげき
    m = re.findall(r'<th class="center">かいふく</th>.+?<td class="center">.+?<td class="center">(\d+)', html,  flags=(re.MULTILINE|re.DOTALL))
    if m: recover = m[0] #かいふく
    m = re.match(r'.+?>タイプ</th>.+?(こうげき|たいりょく|バランス|かいふく)・', html,  flags=(re.MULTILINE|re.DOTALL))
    if m:
        typeof = m.group(1) #タイプ
    m = re.match(r'.+?属性</th>(.+?)>コンビネーション', html,  flags=(re.MULTILINE|re.DOTALL))
    if m:
        tmp = m.group(1)
        m = re.match(r'.+?(あか|あお|みどり|きいろ|むらさき)<.+?(あか|あお|みどり|きいろ|むらさき)<', tmp,  flags=(re.MULTILINE|re.DOTALL))
        if m: attrib = m.group(1) + '/' + m.group(2) #属性
        else:
            m = re.match(r'.+?(あか|あお|みどり|きいろ|むらさき)<', tmp,  flags=(re.MULTILINE|re.DOTALL))
            if m:
                attrib = m.group(1) #属性
    txt = f'''正式名:{name}
コスト: {cost}
たいりょく: {power}
こうげき: {attack}
かいふく: {recover}

属性: {attrib}
タイプ: {typeof}
'''

    dir = 'R/'
    if re.match(r'^あお', attrib):
        dir = 'B/'
    elif re.match(r'^みどり', attrib):
        dir = 'G/'
    elif re.match(r'^きいろ', attrib):
        dir = 'Y/'
    elif re.match(r'^むらさき', attrib):
        dir = 'V/'

    with open(dir + name + '.txt', "w") as f:
        print(txt, file=f)

files = os.listdir("log")
for file in files:
    if '.txt' in file:
        get_info('log/' + file)

　実行に先立って、log と 4.py のあるディレクトリに、R, B, G, Y, V というサブディレクトリを作っておく必要があります。ここに、あか、あお、みどり、きいろ、むらさきの各キャラの詳細が .txt ファイルとして出力されます。現状では、各キャラの詳細は「タイプ」までしか出力されません。この後、スクリプトを修正し、もう少し多くの項目が出力されるよう、改良してみてください (python で書いておいて、後で言うのも何ですが、正規表現処理は Perl で書くほうがたぶん簡単かもしれません😅)。

　テキスト処理は GUI の Windows, Mac 環境でなく、文字優先の UNIX 環境で生まれて育ちました。ですから、テキスト処理に慣れるには、ある程度、そうした UNIX 文化を理解する必要があります。前にも書きましたが、「テキストデータ活用術1,2」あたりが参考になると思います。また、Perl, Python については、書き方の大枠をつかんだ後、細かな部分をネットでノウハウでチェックし、動かしては確認するという流れになるでしょう。

参考:

テキストデータ活用術1-4

ニヒルで謎めいたカリスマ家庭教師黒木一馬がパソコンの世界へ飛びこみ、尖鋭なテキスト至上主義で…(完全版)

amazon.co.jp