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
Raspberry Pi 2のGPIOピン配置
機械学習で遊ぶ
Composition Rendering：Blenderに...
Caffe：読みやすくて高速なディープラーニングのフレームワ...
ZBrushで作った3Dモデルを立体視で確認できるVRアプリ...
Pylearn2：ディープラーニングに対応したPythonの...
bpy-renderer：レンダリング用Pythonパッケー...
openMVG：複数視点画像から3次元形状を復元するライブラ...
NeuralNetwork.NET：.NETで使えるTens...
OpenCV 3.3.0 contribのsfmモジュールの...
3Dグラフィックスの入門書
Russian3DScannerのトポロジー転送ツール『Wr...
3D復元技術の情報リンク集
オープンソースの物理ベースGIレンダラ『appleseed』
Mitsuba 3：オープンソースの研究向けレンダラ
BGSLibrary：OpenCVベースの背景差分ライブラリ
Runway ML：クリエイターのための機械学習ツール
C#で使える遺伝的アルゴリズムライブラリ『GeneticSh...
MB-Lab：Blenderの人体モデリングアドオン
PythonでBlenderのAdd-on開発
ドットインストールのWordPress入門レッスン
WordPress on Windows Azure
続・ディープラーニングの資料
Unityからkonashiをコントロールする
書籍『ゼロから作るDeep Learning』で自分なりに学...
Unityで画面タッチ・ジェスチャ入力を扱う無料Asset『...
GoB：ZBrushとBlenderを連携させるアドオン
仮想関数
DCGAN (Deep Convolutional GAN)...
OpenCVで動画の手ぶれ補正
Google Colaboratoryで遊ぶ準備
geometry3Sharp：Unity C#で使えるポリゴ...
ROMOハッカソンに行ってきた
SDカードサイズのコンピューター『Intel Edison』
Kornia：微分可能なコンピュータービジョンライブラリ
スクラッチで既存のキャラクターを立体化したい
OpenGVのライブラリ構成
libigl：軽量なジオメトリ処理ライブラリ
PyMC：Pythonのベイズ統計ライブラリ
OpenGV：画像からカメラの3次元位置・姿勢を推定するライ...
Rerun：マルチモーダルデータの可視化アプリとSDK
Google XML Sitemap Generatorプラ...
コメント