ブラウザ操作自動化ツール『Selenium』を試す

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/


スポンサーリンク


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。↓

Pythonによるスクレイピング&機械学習 開発テクニック BeautifulSoup,scikit-learn,TensorFlowを使ってみよう

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


スポンサーリンク

関連記事

ROMOハッカソンに行ってきた
PythonのStructure from Motionライブラリ『OpenSfM』
プログラムによる景観の自動生成
Kaolin:3Dディープラーニング用のPyTorchライブラリ
OpenCLに対応したオープンソースの物理ベースレンダラ『LuxRender(ルクスレンダー)』
TensorSpace.js:ニューラルネットワークの構造を可視化するフレームワーク
Faster R-CNN:ディープラーニングによる一般物体検出手法
iPhoneアプリ開発 Xcode 5のお作法
Multi-View Stereoによる3次元復元ライブラリ『OpenMVS』
OpenCVの超解像処理モジュール『Super Resolution』
COLMAP:オープンソースのSfM・MVSツール
PGGAN:段階的に解像度を上げて学習を進めるGAN
オープンソースのロボットアプリケーションフレームワーク『ROS (Robot Operating S...
ポリゴンジオメトリ処理ライブラリ『pmp-library (Polygon Mesh Process...
WordPressのテーマを自作する
AMIMOTO(PVM版)で作成したインスタンスをAMIMOTO (HVM版)へ移行する
Blenderの人体モデリングアドオン『MB-Lab』
ZBrushのZScript入門
OpenCV 3.3.0 contribのsfmモジュールのサンプルを動かしてみる
Managing Software Requirements: A Unified Approach
konashiのサンプルコードを動かしてみた
Mechanizeで要認証Webサイトをスクレイピング
ブログをGoogle App EngineからAmazon EC2へ移行
PythonのHTML・XMLパーサー『BeautifulSoup』
定数
為替レートの読み方 2WAYプライス表示
UnityでLight Shaftを表現する
フォトンの放射から格納までを可視化した動画
CGレンダラ研究開発のためのフレームワーク『Lightmetrica (ライトメトリカ)』
AndroidもopenGLも初心者さ (でもJavaは知ってるよ)
法線マップを用意してCanvas上でShadingするサンプル
SDカードサイズのコンピューター『Intel Edison』
R-CNN (Regions with CNN features):ディープラーニングによる一般物体...
タマムシっぽい質感
WordPressプラグインによるサイトマップの自動生成
チャットツール用bot開発フレームワーク『Hubot』
OpenCV 3.1のsfmモジュールのビルド再び
Raspberry Pi 2のGPIOピン配置
Google Chromecast
C#で使える遺伝的アルゴリズムライブラリ『GeneticSharp』
まだ続くブログの不調
.NETで使えるTensorFlowライクなニューラルネットワークライブラリ『NeuralNetwo...

コメント