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
PyTorch3D：3Dコンピュータービジョンライブラリ
UnityでTweenアニメーションを実装できる3種類の無料...
MPFB2：Blenderの人体モデリングアドオン
C++ 標準テンプレートライブラリ (STL)
動的なメモリの扱い
Google XML Sitemap Generatorプラ...
Cartographer：オープンソースのSLAMライブラリ
OpenCVのバージョン3が正式リリースされたぞ
ブログの復旧が難航してた話
HD画質の無駄遣い
Model View Controller
Raspberry PiでIoTごっこ
TensorFlowでCGを微分できる『TensorFlow...
Quartus II
MythTV：Linuxでテレビの視聴・録画ができるオープン...
Rerun：マルチモーダルデータの可視化アプリとSDK
hloc：SuperGlueで精度を向上させたSfM・Vis...
UnityのTransformクラスについて調べてみた
OpenCVの三角測量関数『cv::triangulatep...
為替レートの読み方 2WAYプライス表示
3Dモデルを立体視で確認できるVRアプリを作っている
科学技術計算向けスクリプト言語『Julia』
Webスクレイピングの勉強会に行ってきた
機械学習で遊ぶ
MVStudio：オープンソースのPhotogrammetr...
Mechanizeで要認証Webサイトをスクレイピング
UnityでLight Shaftを表現する
OpenCV 3.1から追加されたSfMモジュール
ニューラルネットワークで画像分類
ManuelBastioniLAB：人体モデリングできるBl...
UnityでShaderの入力パラメータとして行列を渡す
マルコフ連鎖モンテカルロ法
adskShaderSDK
Boost オープンソースライブラリ
OpenCV 3.1のsfmモジュールを試す
Dlib：C++の機械学習ライブラリ
NeuralNetwork.NET：.NETで使えるTens...
機械学習手法『Random Forest』
UnityプロジェクトをGitHubで管理する
仮想関数
頭蓋骨からの顔復元と進化過程の可視化
Google Chromecast
コメント