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』
PyTorch3D：3Dコンピュータービジョンライブラリ
PyDataTokyo主催のDeep Learning勉強会
3分の動画でプログラミングを学習できるサイト『ドットインスト...
SONYの自律型エンタテインメントロボット『aibo』
OpenCVの三角測量関数『cv::triangulatep...
書籍『仕事ではじめる機械学習』を読みました
書籍『3次元コンピュータビジョン計算ハンドブック』を購入
Raspberry PiでIoTごっこ
手を動かしながら学ぶデータマイニング
TorchStudio：PyTorchのための統合開発環境と...
今年もSSII
konashiのサンプルコードを動かしてみた
Swark：コードからアーキテクチャ図を作成できるVSCod...
Blendify：コンピュータービジョン向けBlenderラ...
IronPythonを使ってUnity上でPythonのコー...
OpenCV 3.1のsfmモジュールを試す
Quartus II
Mask R-CNN：ディープラーニングによる一般物体検出・...
OpenMesh：オープンソースの３Dメッシュデータライブラ...
GoB：ZBrushとBlenderを連携させるアドオン
Amazon EC2ログイン用の秘密鍵を無くした場合の対処方...
Pythonの自然言語処理ライブラリ『NLTK(Natura...
OANDAのfxTrade API
Unityからkonashiをコントロールする
Webスクレイピングの勉強会に行ってきた
NeuralNetwork.NET：.NETで使えるTens...
まだ続くブログの不調
ドットインストールのWordPress入門レッスン
Konashiを買った
2D→3D復元技術で使われる用語まとめ
Geogram：C++の3D幾何アルゴリズムライブラリ
網元AMIで作ったWordpressサイトのインスタンスをt...
Iridescence：プロトタイピング向け軽量3D可視化ラ...
OpenCVでPhotoshopのプラグイン開発
Google App Engineのデプロイ失敗
Unityの薄い本
OpenGVの用語
HerokuでMEAN stack
MythTV：Linuxでテレビの視聴・録画ができるオープン...
FreeMoCap Project：オープンソースのマーカー...
OpenCVで平均顔を作るチュートリアル
コメント