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』
スクレイピング
Kornia：微分可能なコンピュータービジョンライブラリ
OpenCV 3.3.0-RCでsfmモジュールをビルド
WordPressプラグインによるサイトマップの自動生成
Verilog HDL
PyTorch3D：3Dコンピュータービジョンライブラリ
Python拡張モジュールのWindows用インストーラー配...
UnityでOpenCVを使うには？
Unity MonoBehaviourクラスのオーバーライド...
Raspberry Pi
マルコフ連鎖モンテカルロ法
OpenCVでカメラ画像から自己位置認識 (Visual O...
Unity Scriptコーディング→Unreal Engi...
Caffe：読みやすくて高速なディープラーニングのフレームワ...
RSSフィードを読込んで表示するWordpressプラグイン...
網元AMIで作ったWordpressサイトのインスタンスをt...
Konashiを買った
iPhone x ロボットハッカソン～RomoのiPhone...
C++ 標準テンプレートライブラリ (STL)
DCGAN (Deep Convolutional GAN)...
LuxCoreRender：オープンソースの物理ベースレンダ...
書籍『ゼロから作るDeep Learning』で自分なりに学...
CycleGAN：ドメイン関係を学習した画像変換
Unity ARKitプラグインサンプルのドキュメントを読む
AfterEffectsプラグイン開発
OpenFace：Deep Neural Networkによ...
ZBrushで作った3Dモデルを立体視で確認できるVRアプリ...
UnityのAR FoundationでARKit 3
OpenMVS：Multi-View Stereoによる3次...
Quartus II
定数
Deep Learningとその他の機械学習手法の性能比較
Raspberry Pi 2のGPIOピン配置
Boost オープンソースライブラリ
html5のcanvasの可能性
iOSデバイスと接続して連携するガジェットの開発方法
ブログをGoogle App EngineからAmazon ...
PyDataTokyo主催のDeep Learning勉強会
MPFB2：Blenderの人体モデリングアドオン
VCG Library：C++のポリゴン操作ライブラリ
第1回 3D勉強会＠関東『SLAMチュートリアル大会』
コメント