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
ZBrushで作った3Dモデルを立体視で確認できるVRアプリ...
OpenCVでiPhone6sのカメラをキャリブレーションす...
CGALDotNet：計算幾何学ライブラリ CGALのC#ラ...
PyTorch3D：3Dコンピュータービジョンライブラリ
Human Generator：Blenderの人体生成アド...
Kubric：機械学習用アノテーション付き動画生成パイプライ...
マルコフ連鎖モンテカルロ法
Unity ARKitプラグインサンプルのドキュメントを読む
オープンソースの物理ベースGIレンダラ『appleseed』
WordPressプラグインによるサイトマップの自動生成
NeuralNetwork.NET：.NETで使えるTens...
Faster R-CNN：ディープラーニングによる一般物体検...
SONY製のニューラルネットワークライブラリ『NNabla』
iOSで使えるJetpac社の物体認識SDK『DeepBel...
Structure from Motion (多視点画像から...
OpenGV：画像からカメラの3次元位置・姿勢を推定するライ...
C#で使える遺伝的アルゴリズムライブラリ『GeneticSh...
Google App Engineのデプロイ失敗
UnrealCLR：Unreal Engineで.NET C...
OpenMesh：オープンソースの３Dメッシュデータライブラ...
組み込み向けのWindows OS 『Windows Emb...
ManimML：機械学習の概念を視覚的に説明するためのライブ...
Math Inspector：科学計算向けビジュアルプログラ...
タマムシっぽい質感
OpenCVで動画の手ぶれ補正
株式会社ヘキサドライブの研究室ページ
WordPressのテーマを自作する
TeleSculptor：空撮動画からPhotogramme...
Blendify：コンピュータービジョン向けBlenderラ...
クラスの基本
Geogram：C++の3D幾何アルゴリズムライブラリ
Kaolin：3Dディープラーニング用のPyTorchライブ...
Dlib：C++の機械学習ライブラリ
OpenMVSのサンプルを動かしてみる
Raspberry Pi 2を買いました
Deep Fluids：流体シミュレーションをディープラーニ...
スクレイピング
PyMC：Pythonのベイズ統計ライブラリ
Gource：バージョン管理の履歴を可視化するツール
Point Cloud Utils：Pythonで3D点群・...
OpenAR：OpenCVベースのマーカーARライブラリ
Rerun：マルチモーダルデータの可視化アプリとSDK
コメント