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

3D復元技術の情報リンク集

Mitsuba 2:オープンソースの物理ベースレンダラ

チャットツール用bot開発フレームワーク『Hubot』

書籍『仕事ではじめる機械学習』を読みました

Unity MonoBehaviourクラスのオーバーライド...

第2回Webスクレイピング勉強会の資料

Google App Engine上のWordPressでF...

OpenCV 3.3.0 contribのsfmモジュールの...

PythonのHTML・XMLパーサー『BeautifulS...

3Dモデルを立体視で確認できるVRアプリを作っている

Raspberry Pi 2のGPIOピン配置

ROSの薄い本

RSSフィードを読込んで表示するWordpressプラグイン...

Kubric:機械学習用アノテーション付き動画生成パイプライ...

プログラミングスキルとは何か?

Twitter APIのPythonラッパー『python-...

Python.NET:Pythonと.NETを連携させるパッ...

オープンソースの物理ベースGIレンダラ『appleseed』

OpenCV 3.1から追加されたSfMモジュール

Human Generator:Blenderの人体生成アド...

Managing Software Requirements...

GAN (Generative Adversarial Ne...

UnityのAR FoundationでARKit 3

ポリゴンジオメトリ処理ライブラリ『pmp-library (...

UnityプロジェクトをGitHubで管理する

科学技術計算向けスクリプト言語『Julia』

AnacondaとTensorFlowをインストールしてVi...

OpenAR:OpenCVベースのマーカーARライブラリ

BlenderProc:Blenderで機械学習用の画像デー...

OpenCVで動画の手ぶれ補正

Multi-View Environment:複数画像から3...

マルコフ連鎖モンテカルロ法

VCG Library:C++のポリゴン操作ライブラリ

Math Inspector:科学計算向けビジュアルプログラ...

OANDAのfxTrade API

サンプルコードにも間違いはある?

Pythonのソースコードに特化した検索エンジン『Nulle...

Webスクレイピングの勉強会に行ってきた

iOSで使えるJetpac社の物体認識SDK『DeepBel...

Mayaのプラグイン開発

Live CV:インタラクティブにComputer Visi...

ZBrushで作った3Dモデルを立体視で確認できるVRアプリ...

コメント