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
GAN (Generative Adversarial Ne...
Seleniumを使ったFXや株の自動取引
FCN (Fully Convolutional Netwo...
Rerun：マルチモーダルデータの可視化アプリとSDK
uvでWindows11のPython環境を管理する
geometry3Sharp：Unity C#で使えるポリゴ...
LuxCoreRender：オープンソースの物理ベースレンダ...
ZBrushのZScript入門
COLMAP：オープンソースのSfM・MVSツール
BlenderProc：Blenderで機械学習用の画像デー...
オープンソースのロボットアプリケーションフレームワーク『RO...
trimesh：PythonでポリゴンMeshを扱うライブラ...
UnityプロジェクトをGitHubで管理する
Accord.NET Framework：C#で使える機械学...
KelpNet：C#で使える可読性重視のディープラーニングラ...
ブログが1日ダウンしてました
ZBrushで作った3Dモデルを立体視で確認できるVRアプリ...
AndroidもopenGLも初心者さ (でもJavaは知っ...
仮想関数
まだ続くブログの不調
オープンソースの取引プラットフォーム
UnityのGameObjectの向きをScriptで制御す...
第2回Webスクレイピング勉強会の資料
TensorSpace.js：ニューラルネットワークの構造を...
WordPressのサーバ引っ越し方法を考える
ROSでガンダムを動かす
手を動かしながら学ぶデータマイニング
pythonの機械学習ライブラリ『scikit-learn』
Composition Rendering：Blenderに...
html5のcanvasの可能性
SVM (Support Vector Machine)
書籍『ROSプログラミング』
JavaScriptとかWebGLとかCanvasとか
WordPressプラグインの作り方
openMVG：複数視点画像から3次元形状を復元するライブラ...
ZScript
SONY製のニューラルネットワークライブラリ『NNabla』
PyDataTokyo主催のDeep Learning勉強会
Manim：Pythonで使える数学アニメーションライブラリ
iOSで使えるJetpac社の物体認識SDK『DeepBel...
openMVGをWindows10 Visual Studi...
定数
コメント