スクレイピング

PaaSを触り始めてから1番やってみたかったことと言えば、Webサイトのスクレイピング。
別に攻撃するつもりじゃ無くて、マッシュアップしたWeb上の情報を上手く可視化すれば、色んな考察が得られるんじゃないかと期待しているから。
そう思ったきっかけはKakeibonっていう無料で使える自動ネット家計簿を知ったから。(以前はOCN家計簿って名前だった)
このサイトは、銀行口座やクレジットカード、ECサイトなどの情報を引っ張ってきて収支をグラフにまとめてくれる。
銀行もクレジットカードも、それぞれのポータルサイトはAPIなんて公開していないので、おそらくスクレイピングで実現している。
既存の情報を上手く使うだけで色んなことが見えてくるんだなぁ、と感心した。

ということで、しばらくスクレイピングについて調べていたのである。ちょっと調べてみると、フロントでもサーバサイドでもできるし、色んな言語で実装できるので、どこから手を付けたらいいのかちょっと悩むレベルで選択肢が豊富。やるとしたらサーバサイドだけど、サーバサイドはどの言語が1番組み合わせやすいかちょっと自分の知見が足りてない。

こういうのは結構需要があるみたいで、スクレイピングするコードの共有や、スクレイピングしたデータをAPI化するサイトもあるみたい。


スポンサーリンク

ScraperWiki

ScraperWikiはイギリスのスタートアップ企業で、スクレイパーコードを共有するサイトを提供しています。
開発者達はサイト上から直接コード(Ruby, PHP, Python)を編集、実行することができます。スクレイプを定期的に実行することも可能で、取得されたデータはScraperWikiに保存されますが、ScraperWikiはAPIを用意しているので、このAPIを通して、他のサイトでデータを再利用することが可能です。
「Wiki」といっているだけあって、一般公開されているコードは他の人も編集したり、またコードをコピーして他のスクレイピングに利用することもできます。定期的に実>行されているスクレイパーがエラーを起こしていないかをチェックする仕組みがあり「みんなでスクレイピングを管理」するための仕組みがいたるところにあります。
ScraperWikiは、もともとイギリスで、どの議員がどの法案に賛成または反対票を投じたかを議会のサイトから創業者の一人が2003年頃にスクレイプしたことを起源に持ちます。

スクレイピングするなら ScraperWiki 使うといいよ

kimono
指定したウェブサイトをスクレイピングしてAPI化してくれるサービス「kimono」

さて、地道に勉強するか。


スポンサーリンク

関連記事

OpenCV 3.1から追加されたSfMモジュール
Google App EngineでWordPress
OpenCV バージョン4がリリースされた!
FCN (Fully Convolutional Network):ディープラーニングによるSema...
Verilog HDL
Unityからkonashiをコントロールする
GAN (Generative Adversarial Networks):敵対的生成ネットワーク
2D→3D復元技術で使われる用語まとめ
TensorSpace.js:ニューラルネットワークの構造を可視化するフレームワーク
3D復元技術の情報リンク集
ブログをGoogle App EngineからAmazon EC2へ移行
Raspberry Pi 2のGPIOピン配置
定数
複数視点画像から3次元形状を復元するライブラリ『openMVG』
OpenCV3.3.0でsfmモジュールのビルドに成功!
フォトンの放射から格納までを可視化した動画
タマムシっぽい質感
SONY製のニューラルネットワークライブラリ『NNabla』
pythonの機械学習ライブラリ『scikit-learn』
iPhone・iPod touchで動作する知育ロボット『ROMO』
書籍『ROSプログラミング』
Unity MonoBehaviourクラスのオーバーライド関数が呼び出される順番
UnityでARKit2.0
OpenMVSのサンプルを動かしてみる
WebGL開発に関する情報が充実してきている
クラスの基本
UnityでOpenCVを使うには?
網元AMIで作ったWordpressサイトのインスタンスをt1microからt2microへ移行した
UnityのAR FoundationでARKit 3
仮想関数
OpenCVで顔のモーフィングを実装する
AnacondaとTensorFlowをインストールしてVisual Studio 2015で使う
Unity ARKitプラグインサンプルのドキュメントを読む
オープンソースのStructure from Motionライブラリ『Theia』
ROMOハッカソンに行ってきた
SDカードサイズのコンピューター『Intel Edison』
Google XML Sitemap Generatorプラグインを3.4.1へダウングレード
C++の抽象クラス
JavaScriptとかWebGLとかCanvasとか
Unityの各コンポーネント間でのやり取り
オープンソースの物理ベースGIレンダラ『appleseed』
Javaで作られたオープンソースの3DCGレンダラ『Sunflow』

コメント