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
ArUco：OpenCVベースのコンパクトなARライブラリ
UnityのTransformクラスについて調べてみた
法線マップを用意してCanvas上でShadingするサンプ...
2D→3D復元技術で使われる用語まとめ
OpenCV
Seleniumを使ったFXや株の自動取引
Unityで学ぶC#
Konashiを買った
3Dモデルを立体視で確認できるVRアプリを作っている
RSSフィードを読込んで表示するWordpressプラグイン...
bpy-renderer：レンダリング用Pythonパッケー...
openMVGをWindows10 Visual Studi...
Pylearn2：ディープラーニングに対応したPythonの...
OpenCVで顔のモーフィングを実装する
Managing Software Requirements...
OpenCVでiPhone6sのカメラをキャリブレーションす...
PythonのHTML・XMLパーサー『BeautifulS...
MPFB2：Blenderの人体モデリングアドオン
OpenCVのバージョン3が正式リリースされたぞ
HD画質の無駄遣い
サンプルコードにも間違いはある？
Polyscope：3Dデータ操作用GUIライブラリ
Unityで画面タッチ・ジェスチャ入力を扱う無料Asset『...
ROSでガンダムを動かす
Iridescence：プロトタイピング向け軽量3D可視化ラ...
SDカードサイズのコンピューター『Intel Edison』
フォトンの放射から格納までを可視化した動画
DCGAN (Deep Convolutional GAN)...
プログラミングスキルとは何か？
WordPressの表示を高速化する
Google App Engine上のWordPressでA...
C++の抽象クラス
OpenCVの超解像(SuperResolution)モジュ...
AmazonEC2のインスタンスをt1.microからt2....
頭蓋骨からの顔復元と進化過程の可視化
Quartus II
Google App Engineのデプロイ失敗
Iterator
オープンソースの人体モデリングツール『MakeHuman』の...
組み込み向けのWindows OS 『Windows Emb...
OpenCVのfindEssentialMat関数を使ったサ...
CGALDotNet：計算幾何学ライブラリ CGALのC#ラ...
コメント