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
Deep Fluids：流体シミュレーションをディープラーニ...
WebGL開発に関する情報が充実してきている
3Dモデルを立体視で確認できるVRアプリを作っている
iPhoneアプリ開発 Xcode 5のお作法
チャットツール用bot開発フレームワーク『Hubot』
タマムシっぽい質感
オープンソースの物理ベースGIレンダラ『appleseed』
OpenCV 3.3.0-RCでsfmモジュールをビルド
書籍『仕事ではじめる機械学習』を読みました
TensorSpace.js：ニューラルネットワークの構造を...
Dlib：C++の機械学習ライブラリ
html5のcanvasの可能性
CycleGAN：ドメイン関係を学習した画像変換
HD画質の無駄遣い
SONYの自律型エンタテインメントロボット『aibo』
OpenCVのfindEssentialMat関数を使ったサ...
UnityのGameObjectの向きをScriptで制御す...
第1回 3D勉強会＠関東『SLAMチュートリアル大会』
Unity ARKitプラグインサンプルのドキュメントを読む
Human Generator：Blenderの人体生成アド...
TensorFlowでCGを微分できる『TensorFlow...
動的なメモリの扱い
WordPressプラグインの作り方
MythTV：Linuxでテレビの視聴・録画ができるオープン...
iPhone x ロボットハッカソン～RomoのiPhone...
Google Chromecast
マルコフ連鎖モンテカルロ法
C++始めようと思うんだ
AnacondaとTensorFlowをインストールしてVi...
Raspberry Pi
まだ続くブログの不調
Accord.NET Framework：C#で使える機械学...
Konashiを買った
ポリゴンジオメトリ処理ライブラリ『pmp-library (...
OpenCVで顔のランドマークを検出する『Facemark ...
フォトンの放射から格納までを可視化した動画
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...
PyMC：Pythonのベイズ統計ライブラリ
Google App EngineでWordPress
OpenCV 3.1から追加されたSfMモジュール
第2回Webスクレイピング勉強会の資料
Raspberry PiのGPIOを操作するPythonライ...
コメント