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。

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。

関連記事

ZScript

OpenGV:画像からカメラの3次元位置・姿勢を推定するライブラリ

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

openMVG:複数視点画像から3次元形状を復元するライブラリ

第2回Webスクレイピング勉強会の資料

Managing Software Requirements: A Unified Approach

Deep Fluids:流体シミュレーションをディープラーニングで近似する

Amazon Web ServicesでWordPress

Raspberry Pi 2を買いました

UnityでPoint Cloudを表示する方法

オープンソースの人体モデリングツール『MakeHuman』のAPI開発プロジェクトがスタート

PGGAN:段階的に解像度を上げて学習を進めるGAN

Javaで作られたオープンソースの3DCGレンダラ『Sunflow』

iOSデバイスのためのフィジカル・コンピューティングツールキット『konashi(こなし)』

Pythonのソースコードに特化した検索エンジン『Nullege』

オープンソースの顔認識フレームワーク『OpenBR』

Iterator

BlenderのPython環境にPyTorchをインストールする

このブログのデザインに飽きてきた

ZBrushのZScript入門

組み込み向けのWindows OS 『Windows Embedded』

MythTV:Linuxでテレビの視聴・録画ができるオープンソースプロジェクト

Google App Engineのデプロイ失敗

Windows10でPyTorchをインストールしてVSCodeで使う

Cartographer:オープンソースのSLAMライブラリ

Theia:オープンソースのStructure from Motionライブラリ

WordPressのテーマを自作する

Amazon EC2ログイン用の秘密鍵を無くした場合の対処方法

OpenSfM:PythonのStructure from Motionライブラリ

OpenCVでPhotoshopのプラグイン開発

iPhone x ロボットハッカソン~RomoのiPhone用SDKで目覚ましアプリを作る~

オープンソースの顔の動作解析ツールキット『OpenFace』

WordPressの表示を高速化する

Caffe:読みやすくて高速なディープラーニングのフレームワーク

Pythonの自然言語処理ライブラリ『NLTK(Natural Language Toolkit)』

WordPress on Windows Azure

OpenMVSのサンプルを動かしてみる

Raspberry Pi

OpenAR:OpenCVベースのマーカーARライブラリ

RSSフィードを読込んで表示するWordpressプラグイン『RSSImport』

PythonでBlenderのAdd-on開発

Unityで強化学習できる『Unity ML-Agents』

コメント