ブラウザ操作自動化ツール『Selenium』を試す

だいぶ前にSeleniumの存在を知っておきながら、まともに試さず時間が経った。



Selenium WebDriverをPythonから叩けばスクレイピングもお手軽だよなぁ、と思い始めた。
Python環境でもpipで簡単にSeleniumをインストールできる。
ブラウザはChromeを使いたいので、別途ブラウザ用のWebDriverとしてChromeDriverもダウンロードした↓
https://sites.google.com/a/chromium.org/chromedriver/

PythonからWebDriverの実行ファイルを叩くような使い方をするらしい。
スクレイピングでSeleniumを使う1番のメリットは、ログインが必要なサイトや、JavaScriptの実行を求めるサイトでも普通のブラウザ操作としてコードが書ける点。複雑なWebの仕組みを抽象化するためにブラウザを間に噛ます感じ。(全部コーディングでやろうとして苦労したことがある…)
Seleniumでサイトのデータを粗く取得して、Beautiful Soupなどのライブラリで詳細にtextをパースしていけば良いんじゃないかな。
https://blog.negativemind.com/2014/06/15/python%E3%81%AE%E3%82%B9%E3%82%AF%E3%83%AC%E3%82%A4%E3%83%94%E3%83%B3%E3%82%B0%E3%83%A9%E3%82%A4%E3%83%96%E3%83%A9%E3%83%AA%E3%80%8Ebeautifulsoup%E3%80%8F/



始めるにあたって参考にしたのはこちら↓
http://nfnoface.hatenablog.com/entry/2017/03/08/212300
https://dev.classmethod.jp/tool/eclipse/windows-selenium-headless-chrome/

何で急にスクレイピングの勉強を再開したかと言うと、最近は機械学習を手軽に試せるライブラリが充実してきたのに、手元にあんまり面白いデータが無かったから。
そして、個人のPCで試せる程度の演算負荷と考えると、画像よりもtextデータの方が色々と試行しやすい気もしている。単位時間あたりに沢山試せた方が学びがあるんじゃないかな。

スクレイピングや言語処理にはそれほど詳しくないんだけど、幸い広く浅く紹介している書籍の存在を知った。↓

Pythonによるスクレイピング&機械学習 開発テクニック BeautifulSoup,scikit-learn,TensorFlowを使ってみよう

画像認識にニューラルネットワークを使う理屈は何となく知ってるけど、言語処理については全く知らないので勉強してみたくなった。

最近Qiitaによく使う正規表現のまとめ記事がアップされたので助かる。
https://qiita.com/dongri/items/2a0a18e253eb5bf9edba

関連記事

ManimML:機械学習の概念を視覚的に説明するためのライブラリ

UnityでShaderの入力パラメータとして行列を渡す

Python for Unity:UnityEditorでPythonを使えるパッケージ

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

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

WordPressプラグインによるサイトマップの自動生成

WordPressのサーバ引っ越し方法を考える

Mitsuba 2:オープンソースの物理ベースレンダラ

Twitter APIのPythonラッパー『python-twitter』

Webスクレイピングの勉強会に行ってきた

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』

Kaolin:3Dディープラーニング用のPyTorchライブラリ

Google Chromecast

Human Generator:Blenderの人体生成アドオン

ZBrushのZScript入門

Kubric:機械学習用アノテーション付き動画生成パイプライン

Unityの薄い本

AMIMOTO(PVM版)で作成したインスタンスをAMIMOTO (HVM版)へ移行する

Mechanizeで要認証Webサイトをスクレイピング

機械学習で遊ぶ

AndroidもopenGLも初心者さ (でもJavaは知ってるよ)

Model View Controller

このブログのデザインに飽きてきた

Open3D:3Dデータ処理ライブラリ

株式会社ヘキサドライブの研究室ページ

trimesh:PythonでポリゴンMeshを扱うライブラリ

まだ続くブログの不調

Alice Vision:オープンソースのPhotogrammetryフレームワーク

Unity ARKitプラグインサンプルのドキュメントを読む

組み込み向けのWindows OS 『Windows Embedded』

動的なメモリの扱い

Polyscope:3Dデータ操作用GUIライブラリ

頭蓋骨からの顔復元と進化過程の可視化

FreeMoCap Project:オープンソースのマーカーレスモーションキャプチャ

NeuralNetwork.NET:.NETで使えるTensorFlowライクなニューラルネットワー...

UnityでOpenCVを使うには?

C++ 標準テンプレートライブラリ (STL)

Boost オープンソースライブラリ

UnityのMonoBehaviourクラスをシングルトン化する

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

OpenCVでカメラ画像から自己位置認識 (Visual Odometry)

Raspberry PiのGPIOを操作するPythonライブラリ『RPi.GPIO』の使い方

コメント