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

Iterator

Accord.NET Framework:C#で使える機械学習ライブラリ

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

Webスクレイピングの勉強会に行ってきた

フォトンの放射から格納までを可視化した動画

Unityからkonashiをコントロールする

PyMC:Pythonのベイズ統計ライブラリ

プログラムによる景観の自動生成

第1回 3D勉強会@関東『SLAMチュートリアル大会』

Deep Learningとその他の機械学習手法の性能比較

法線マップを用意してCanvas上でShadingするサンプル

Python.NET:Pythonと.NETを連携させるパッケージ

TensorFlowでCGを微分できる『TensorFlow Graphics』

OpenCV

konashiのサンプルコードを動かしてみた

WinSCP

WordPressのテーマを自作する

WordPress on Windows Azure

OpenCVでiPhone6sのカメラをキャリブレーションする

Multi-View Environment:複数画像から3次元形状を再構築するライブラリ

Unityの薄い本

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

スクレイピング

UnityのGameObjectの向きをScriptで制御する

Geogram:C++の3D幾何アルゴリズムライブラリ

Unity ARKitプラグインサンプルのチュートリアルを読む

Google Colaboratoryで遊ぶ準備

libigl:軽量なジオメトリ処理ライブラリ

タマムシっぽい質感

C#で使える遺伝的アルゴリズムライブラリ『GeneticSharp』

iOSで使えるJetpac社の物体認識SDK『DeepBelief』

WordPressの表示を高速化する

R-CNN (Regions with CNN features):ディープラーニングによる一般物体...

OpenCV3.3.0でsfmモジュールのビルドに成功!

openMVG:複数視点画像から3次元形状を復元するライブラリ

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

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

UnityでARKit2.0

WordPressのサーバ引っ越し方法を考える

Seleniumを使ったFXや株の自動取引

iPhone・iPod touchで動作する知育ロボット『ROMO』

Python2とPython3

コメント