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
Model View Controller
Boost オープンソースライブラリ
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...
AnacondaとTensorFlowをインストールしてVi...
SONYの自律型エンタテインメントロボット『aibo』
Unity ARKitプラグインサンプルのチュートリアルを読...
機械学習に役立つPythonライブラリ一覧
Verilog HDL
iPhoneアプリ開発 Xcode 5のお作法
OpenSfM：PythonのStructure from ...
OpenCVの顔検出過程を可視化した動画
頭蓋骨からの顔復元と進化過程の可視化
CGALDotNet：計算幾何学ライブラリ CGALのC#ラ...
ROSの薄い本
iPhone x ロボットハッカソン～RomoのiPhone...
ディープラーニング
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
openMVG：複数視点画像から3次元形状を復元するライブラ...
Unityで学ぶC#
Google App Engineのデプロイ失敗
MythTV：Linuxでテレビの視聴・録画ができるオープン...
GoB：ZBrushとBlenderを連携させるアドオン
Unreal Engineの薄い本
OpenCV 3.1とopencv_contribモジュール...
ManimML：機械学習の概念を視覚的に説明するためのライブ...
UnityのAR FoundationでARKit 3
Deep Learningとその他の機械学習手法の性能比較
Raspberry PiのGPIOを操作するPythonライ...
Python2とPython3
『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...
OpenMVS：Multi-View Stereoによる3次...
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...
PGGAN：段階的に解像度を上げて学習を進めるGAN
オープンソースの物理ベースレンダラ『Mitsuba』をMay...
Unityからkonashiをコントロールする
HerokuでMEAN stack
今年もSSII
Google製オープンソース機械学習ライブラリ『Tensor...
スクレイピング
OpenGVのライブラリ構成
Konashiを買った
コメント