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
手を動かしながら学ぶデータマイニング
OpenGVのライブラリ構成
スクレイピング
PythonでBlenderのAdd-on開発
第1回 3D勉強会＠関東『SLAMチュートリアル大会』
オープンソースの顔の動作解析ツールキット『OpenFace』
Multi-View Environment：複数画像から3...
書籍『ROSプログラミング』
Model View Controller
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...
オープンソースの物理ベースGIレンダラ『appleseed』
WordPressのテーマを自作する
Seleniumを使ったFXや株の自動取引
TeleSculptor：空撮動画からPhotogramme...
Pythonのソースコードに特化した検索エンジン『Nulle...
PythonのHTML・XMLパーサー『BeautifulS...
OpenCVで顔のランドマークを検出する『Facemark ...
Google Chromecast
MVStudio：オープンソースのPhotogrammetr...
CGALDotNet：計算幾何学ライブラリ CGALのC#ラ...
UnityのTransformクラスについて調べてみた
WordPressのサーバ引っ越し方法を考える
Python拡張モジュールのWindows用インストーラー配...
UnityでARKit2.0
UnityプロジェクトをGitHubで管理する
Alice Vision：オープンソースのPhotogram...
OpenCV
Google XML Sitemap Generatorプラ...
bpy-renderer：レンダリング用Pythonパッケー...
AndroidもopenGLも初心者さ (でもJavaは知っ...
Python for Unity：UnityEditorでP...
geometry3Sharp：Unity C#で使えるポリゴ...
Unity ARKitプラグインサンプルのドキュメントを読む
Gource：バージョン管理の履歴を可視化するツール
UnityのGameObjectの向きをScriptで制御す...
ArUco：OpenCVベースのコンパクトなARライブラリ
スクラッチで既存のキャラクターを立体化したい
DCGAN (Deep Convolutional GAN)...
konashiのサンプルコードを動かしてみた
Quartus II
C++の抽象クラス
ポリゴンジオメトリ処理ライブラリ『pmp-library (...
コメント