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。↓
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
konashiのサンプルコードを動かしてみた
UnityでOpenCVを使うには？
プログラムによる景観の自動生成
Math.NET Numerics：Unityで使える数値計...
Google App EngineでWordPress
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...
Accord.NET Framework：C#で使える機械学...
Russian3DScannerのトポロジー転送ツール『Wr...
UnrealCLR：Unreal Engineで.NET C...
Unity MonoBehaviourクラスのオーバーライド...
第1回 3D勉強会＠関東『SLAMチュートリアル大会』
Alice Vision：オープンソースのPhotogram...
Swark：コードからアーキテクチャ図を作成できるVSCod...
プログラミングスキルとは何か？
OpenCVでiPhone6sのカメラをキャリブレーションす...
OpenCV 3.1のsfmモジュールを試す
hloc：SuperGlueで精度を向上させたSfM・Vis...
Mask R-CNN：ディープラーニングによる一般物体検出・...
WordPressのテーマを自作する
OpenFace：Deep Neural Networkによ...
Mitsuba 3：オープンソースの研究向けレンダラ
Windows10でPyTorchをインストールしてVSCo...
ポリゴンジオメトリ処理ライブラリ『pmp-library (...
WordPressのサーバ引っ越し方法を考える
cvui：OpenCVのための軽量GUIライブラリ
JavaScriptとかWebGLとかCanvasとか
AMIMOTO（PVM版）で作成したインスタンスをAMIMO...
Mean Stack開発の最初の一歩
Raspberry Pi 2のGPIOピン配置
Blender 2.8がついに正式リリース！
オープンソースの物理ベースGIレンダラ『appleseed』
UnityのAR FoundationでARKit 3
Managing Software Requirements...
Live CV：インタラクティブにComputer Visi...
Seleniumを使ったFXや株の自動取引
Gource：バージョン管理の履歴を可視化するツール
フォトンの放射から格納までを可視化した動画
OpenVDB：3Dボリュームデータ処理ライブラリ
HD画質の無駄遣い
TeleSculptor：空撮動画からPhotogramme...
MythTV：Linuxでテレビの視聴・録画ができるオープン...
libigl：軽量なジオメトリ処理ライブラリ
コメント