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

UnityでShaderの入力パラメータとして行列を渡す
OpenCV バージョン4がリリースされた!
UnityでOpenCVを使うには?
WordPressのサーバ引っ越し方法を考える
Unity ARKitプラグインサンプルのチュートリアルを読む
Mayaのプラグイン開発
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)』
Deep Neural Networkによる顔の個人識別フレームワーク『OpenFace』
AfterEffectsプラグイン開発
オープンソースのStructure from Motionライブラリ『Theia』
書籍『OpenCV 3 プログラミングブック』を購入
OpenGVのライブラリ構成
OpenCVで動画の手振れ補正
Unreal Engineの薄い本
組み込み向けのWindows OS 『Windows Embedded』
C++の抽象クラス
C++始めようと思うんだ
Unityで強化学習できる『Unity ML-Agents』
OpenCVでPhotoshopのプラグイン開発
WordPressのテーマを自作する
Webスクレイピングの勉強会に行ってきた
Python拡張モジュールのWindows用インストーラー配布サイト
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『OpenGV』
Google Chromecast
ROSの薄い本
人体モデリングできるBlenderアドオン『ManuelBastioniLAB』
ブログが1日ダウンしてました
UnityのMonoBehaviourクラスをシングルトン化する
OpenCV 3.1から追加されたSfMモジュール
OpenMVSのサンプルを動かしてみる
OpenCV
Unityの薄い本
動的なメモリの扱い
オープンソースの顔の動作解析ツールキット『OpenFace』
ディープラーニング
Webサイトのワイヤーフレームが作成できるオンラインツール
Multi-View Stereoによる3次元復元ライブラリ『OpenMVS』
Pythonの自然言語処理ライブラリ『NLTK(Natural Language Toolkit)』
オープンソースの3Dメッシュデータライブラリ『OpenMesh』
書籍『ROSプログラミング』
HerokuでMEAN stack
クラスの基本

コメント