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
続・ディープラーニングの資料
Pythonのソースコードに特化した検索エンジン『Nulle...
オープンソースの顔認識フレームワーク『OpenBR』
PythonでBlenderのAdd-on開発
手を動かしながら学ぶデータマイニング
ZBrushのZScript入門
ブログの復旧が難航してた話
UnityのTransformクラスについて調べてみた
TensorFlowでCGを微分できる『TensorFlow...
DensePose：画像中の人物表面のUV座標を推定する
Raspberry PiでIoTごっこ
フォトンの放射から格納までを可視化した動画
Google App Engineのデプロイ失敗
openMVGをWindows10 Visual Studi...
Google App Engine上のWordPressでF...
書籍『ゼロから作るDeep Learning』で自分なりに学...
Google製オープンソース機械学習ライブラリ『Tensor...
Mechanizeで要認証Webサイトをスクレイピング
ニューラルネットワークで画像分類
Blender 2.8がついに正式リリース！
WordPressのサーバ引っ越し方法を考える
Raspberry Piでセンサーの常時稼働を検討する
このブログのデザインに飽きてきた
openMVG：複数視点画像から3次元形状を復元するライブラ...
TorchStudio：PyTorchのための統合開発環境と...
まだ続くブログの不調
Iridescence：プロトタイピング向け軽量3D可視化ラ...
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...
python-twitterで自分のお気に入りを取得する
iPhoneアプリ開発 Xcode 5のお作法
SVM (Support Vector Machine)
OpenFace：Deep Neural Networkによ...
Raspberry Pi 2のGPIOピン配置
WinSCP
ROSでガンダムを動かす
Raspberry Pi
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...
ManimML：機械学習の概念を視覚的に説明するためのライブ...
OpenCV 3.3.0 contribのsfmモジュールの...
OANDAのfxTrade API
TeleSculptor：空撮動画からPhotogramme...
JavaScriptとかWebGLとかCanvasとか
コメント