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
オープンソースの顔認識フレームワーク『OpenBR』
法線マップを用意してCanvas上でShadingするサンプ...
2D→3D復元技術で使われる用語まとめ
iPhoneアプリ開発 Xcode 5のお作法
OpenMVS：Multi-View Stereoによる3次...
Geogram：C++の3D幾何アルゴリズムライブラリ
ManimML：機械学習の概念を視覚的に説明するためのライブ...
Mitsuba 3：オープンソースの研究向けレンダラ
Raspberry Pi 2のGPIOピン配置
VCG Library：C++のポリゴン操作ライブラリ
WordPress on Windows Azure
html5のcanvasの可能性
今年もSSII
ディープラーニング
UnityのTransformクラスについて調べてみた
WordPressプラグインによるサイトマップの自動生成
このブログのデザインに飽きてきた
Deep Learningとその他の機械学習手法の性能比較
WordPress on Google App Engine...
Manim：Pythonで使える数学アニメーションライブラリ
DensePose：画像中の人物表面のUV座標を推定する
MPFB2：Blenderの人体モデリングアドオン
オープンソースの取引プラットフォーム
TensorFlowでCGを微分できる『TensorFlow...
OpenCVの三角測量関数『cv::triangulatep...
iOSで使えるJetpac社の物体認識SDK『DeepBel...
Twitter APIのPythonラッパー『python-...
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...
OpenCV3.3.0でsfmモジュールのビルドに成功！
OpenCVで顔のモーフィングを実装する
第1回 3D勉強会＠関東『SLAMチュートリアル大会』
Runway ML：クリエイターのための機械学習ツール
BlenderProc：Blenderで機械学習用の画像デー...
OpenCV バージョン4がリリースされた！
bpy-renderer：レンダリング用Pythonパッケー...
Google Colaboratoryで遊ぶ準備
IronPythonを使ってUnity上でPythonのコー...
Raspberry Pi
『手を動かしながら学ぶエンジニアのためのデータサイエンス』ハ...
openMVG：複数視点画像から3次元形状を復元するライブラ...
C++の抽象クラス
サンプルコードにも間違いはある？
コメント