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

このブログのデザインに飽きてきた
Pythonのソースコードに特化した検索エンジン『Nullege』
WebGL開発に関する情報が充実してきている
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~
Google製オープンソース機械学習ライブラリ『TensorFlow』のWindows版が公開された
TeleSculptor:空撮動画からPhotogrammetryするツール
CycleGAN:ドメイン関係を学習した画像変換
人体モデリングできるBlenderアドオン『ManuelBastioniLAB』
OpenCV 3.3.0 contribのsfmモジュールのサンプルを動かしてみる
ZScript
DCGAN (Deep Convolutional GAN):畳み込みニューラルネットワークによる敵...
Webスクレイピングの勉強会に行ってきた
UnrealCLR:Unreal Engineで.NET Coreを利用できるプラグイン
BlenderProc:Blenderで機械学習用の画像データを生成するPythonツール
Mechanizeで要認証Webサイトをスクレイピング
オープンソースの物理ベースGIレンダラ『appleseed』
Alice Vision:オープンソースのPhotogrammetryフレームワーク
Multi-View Stereoによる3次元復元ライブラリ『OpenMVS』
IronPythonを使ってUnity上でPythonのコードを実行する
OpenCLに対応したオープンソースの物理ベースレンダラ『LuxRender(ルクスレンダー)』
UnityのTransformクラスについて調べてみた
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『Caffe』
仮想関数
OpenCVベースの背景差分ライブラリ『BGSLibrary』
OpenCVの超解像(SuperResolution)モジュールを試す
hloc:SuperGlueで精度を向上させたSfM実装
python-twitterで自分のお気に入りを取得する
Google App Engineのデプロイ失敗
Unreal Engineの薄い本
Unityで強化学習できる『Unity ML-Agents』
3分の動画でプログラミングを学習できるサイト『ドットインストール』
Javaで作られたオープンソースの3DCGレンダラ『Sunflow』
ポリゴンジオメトリ処理ライブラリ『pmp-library (Polygon Mesh Process...
GAN (Generative Adversarial Networks):敵対的生成ネットワーク
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
OpenCV バージョン4がリリースされた!
Mask R-CNN:ディープラーニングによる一般物体検出・Instance Segmentatio...
チャットツール用bot開発フレームワーク『Hubot』
マルコフ連鎖モンテカルロ法
OpenCVで顔のランドマークを検出する『Facemark API』
UnityでShaderの入力パラメータとして行列を渡す
ブログをGoogle App EngineからAmazon EC2へ移行

コメント