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
書籍『仕事ではじめる機械学習』を読みました
Swark：コードからアーキテクチャ図を作成できるVSCod...
クラスの基本
『手を動かしながら学ぶエンジニアのためのデータサイエンス』ハ...
Windows10でPyTorchをインストールしてVSCo...
OpenCVの顔検出過程を可視化した動画
オープンソースの物理ベースレンダラ『Mitsuba』をMay...
第1回 3D勉強会＠関東『SLAMチュートリアル大会』
OpenCVでカメラ画像から自己位置認識 (Visual O...
UnityのMonoBehaviourクラスをシングルトン化...
ManuelBastioniLAB：人体モデリングできるBl...
DensePose：画像中の人物表面のUV座標を推定する
動的なメモリの扱い
このブログのデザインに飽きてきた
オープンソースの物理ベースGIレンダラ『appleseed』
Math Inspector：科学計算向けビジュアルプログラ...
iPhoneアプリ開発 Xcode 5のお作法
BlenderのPython環境にPyTorchをインストー...
Unityで強化学習できる『Unity ML-Agents』
HD画質の無駄遣い
Unity MonoBehaviourクラスのオーバーライド...
科学技術計算向けスクリプト言語『Julia』
手を動かしながら学ぶデータマイニング
DCGAN (Deep Convolutional GAN)...
MB-Lab：Blenderの人体モデリングアドオン
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
MythTV：Linuxでテレビの視聴・録画ができるオープン...
3Dモデルを立体視で確認できるVRアプリを作っている
OpenMesh：オープンソースの３Dメッシュデータライブラ...
WordPress on Google App Engine...
オープンソースの顔認識フレームワーク『OpenBR』
KelpNet：C#で使える可読性重視のディープラーニングラ...
C++の抽象クラス
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...
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...
オープンソースの取引プラットフォーム
MVStudio：オープンソースのPhotogrammetr...
Manim：Pythonで使える数学アニメーションライブラリ
OpenFace：Deep Neural Networkによ...
Unityの薄い本
OpenCVのfindEssentialMat関数を使ったサ...
UnityのTransformクラスについて調べてみた
コメント