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
ブログの復旧が難航してた話
COLMAP:オープンソースのSfM・MVSツール
NeuralNetwork.NET:.NETで使えるTens...
OpenMVSのサンプルを動かしてみる
OpenVDB:3Dボリュームデータ処理ライブラリ
プログラミングスキルとは何か?
Cartographer:オープンソースのSLAMライブラリ
ブログをGoogle App EngineからAmazon ...
書籍『ゼロから作るDeep Learning』で自分なりに学...
MB-Lab:Blenderの人体モデリングアドオン
3Dモデルを立体視で確認できるVRアプリを作っている
DensePose:画像中の人物表面のUV座標を推定する
Unity Scriptコーディング→Unreal Engi...
オープンソースの人体モデリングツール『MakeHuman』の...
WinSCP
iPhone x ロボットハッカソン~RomoのiPhone...
pythonもかじってみようかと
WordPressのテーマを自作する
書籍『仕事ではじめる機械学習』を読みました
SONYの自律型エンタテインメントロボット『aibo』
Math Inspector:科学計算向けビジュアルプログラ...
手を動かしながら学ぶデータマイニング
Webスクレイピングの勉強会に行ってきた
iOSデバイスと接続して連携するガジェットの開発方法
Google App Engineのデプロイ失敗
Polyscope:3Dデータ操作用GUIライブラリ
Iterator
このブログのデザインに飽きてきた
Raspberry PiのGPIOを操作するPythonライ...
Raspberry Pi 2のGPIOピン配置
PGGAN:段階的に解像度を上げて学習を進めるGAN
OpenGVの用語
網元AMIで作ったWordpressサイトのインスタンスをt...
iPhoneアプリ開発 Xcode 5のお作法
SONY製のニューラルネットワークライブラリ『NNabla』
adskShaderSDK
openMVG:複数視点画像から3次元形状を復元するライブラ...
WordPressプラグインの作り方
Google製オープンソース機械学習ライブラリ『Tensor...
DCGAN (Deep Convolutional GAN)...
OpenMVS:Multi-View Stereoによる3次...
WordPressの表示を高速化する


コメント