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
Mechanizeで要認証Webサイトをスクレイピング
Pythonのソースコードに特化した検索エンジン『Nulle...
オープンソースの物理ベースレンダラ『Mitsuba』をMay...
PGGAN：段階的に解像度を上げて学習を進めるGAN
Unity MonoBehaviourクラスのオーバーライド...
タマムシっぽい質感
iPhone x ロボットハッカソン～RomoのiPhone...
UnityでOpenCVを使うには？
Super Resolution：OpenCVの超解像処理モ...
OpenGV：画像からカメラの3次元位置・姿勢を推定するライ...
Webスクレイピングの勉強会に行ってきた
Boost オープンソースライブラリ
プログラムによる景観の自動生成
Unityで強化学習できる『Unity ML-Agents』
WordPressのサーバ引っ越し方法を考える
オープンソースの取引プラットフォーム
PythonでBlenderのAdd-on開発
JavaScriptとかWebGLとかCanvasとか
Google App Engine上のWordPressでF...
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...
OpenMVS：Multi-View Stereoによる3次...
Faster R-CNN：ディープラーニングによる一般物体検...
Kubric：機械学習用アノテーション付き動画生成パイプライ...
AfterEffectsプラグイン開発
OpenCV
Iterator
NeuralNetwork.NET：.NETで使えるTens...
定数
C++ 標準テンプレートライブラリ (STL)
pythonもかじってみようかと
RSSフィードを読込んで表示するWordpressプラグイン...
GoB：ZBrushとBlenderを連携させるアドオン
オープンソースの人体モデリングツール『MakeHuman』の...
iPhoneアプリ開発 Xcode 5のお作法
Iridescence：プロトタイピング向け軽量3D可視化ラ...
TorchStudio：PyTorchのための統合開発環境と...
Blender 2.8がついに正式リリース！
動的なメモリの扱い
GAN (Generative Adversarial Ne...
OpenCV 3.1から追加されたSfMモジュール
OpenCV 3.3.0-RCでsfmモジュールをビルド
コメント