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
ブログをGoogle App EngineからAmazon ...
WordPressのサーバ引っ越し方法を考える
Blender 2.8がついに正式リリース！
OpenCVで顔のランドマークを検出する『Facemark ...
ZBrushで作った3Dモデルを立体視で確認できるVRアプリ...
libigl：軽量なジオメトリ処理ライブラリ
GoB：ZBrushとBlenderを連携させるアドオン
AmazonEC2のインスタンスをt1.microからt2....
Windows10でPyTorchをインストールしてVSCo...
iPhone・iPod touchで動作する知育ロボット『R...
iOSデバイスと接続して連携するガジェットの開発方法
OpenCVで動画の手ぶれ補正
Google App Engine上のWordPressでA...
3Dグラフィックスの入門書
AnacondaとTensorFlowをインストールしてVi...
COLMAP：オープンソースのSfM・MVSツール
オープンソースの顔の動作解析ツールキット『OpenFace』
OpenCV 3.1とopencv_contribモジュール...
TeleSculptor：空撮動画からPhotogramme...
PythonのHTML・XMLパーサー『BeautifulS...
C++始めようと思うんだ
2D→3D復元技術で使われる用語まとめ
iPhone x ロボットハッカソン～RomoのiPhone...
手を動かしながら学ぶデータマイニング
adskShaderSDK
BGSLibrary：OpenCVベースの背景差分ライブラリ
PyDataTokyo主催のDeep Learning勉強会
OpenMVS：Multi-View Stereoによる3次...
Manim：Pythonで使える数学アニメーションライブラリ
RSSフィードを読込んで表示するWordpressプラグイン...
Mask R-CNN：ディープラーニングによる一般物体検出・...
Unityの各コンポーネント間でのやり取り
C++ 標準テンプレートライブラリ (STL)
サンプルコードにも間違いはある？
スクレイピング
Kornia：微分可能なコンピュータービジョンライブラリ
ドットインストールのWordPress入門レッスン
Unreal Engineの薄い本
html5のcanvasの可能性
ニューラルネットワークで画像分類
OpenAR：OpenCVベースのマーカーARライブラリ
OpenSfM：PythonのStructure from ...
コメント