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/



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

関連記事

ROSでガンダムを動かす

iOSデバイスと接続して連携するガジェットの開発方法

書籍『仕事ではじめる機械学習』を読みました

Python.NET:Pythonと.NETを連携させるパッケージ

Mitsuba 3:オープンソースの研究向けレンダラ

WordPressプラグインによるサイトマップの自動生成

ArUco:OpenCVベースのコンパクトなARライブラリ

クラスの基本

OpenCV

Iterator

Manim:Pythonで使える数学アニメーションライブラリ

OpenCVの超解像(SuperResolution)モジュールを試す

OpenCVのfindEssentialMat関数を使ったサンプルを読んでみる

Unity ARKitプラグインサンプルのドキュメントを読む

Accord.NET Framework:C#で使える機械学習ライブラリ

書籍『ゼロから作るDeep Learning』で自分なりに学ぶ

CGALDotNet:計算幾何学ライブラリ CGALのC#ラッパー

まだ続くブログの不調

ROMOハッカソンに行ってきた

BGSLibrary:OpenCVベースの背景差分ライブラリ

OpenCV バージョン4がリリースされた!

TeleSculptor:空撮動画からPhotogrammetryするツール

オープンソースの物理ベースレンダラ『Mitsuba』をMayaで使う

Javaで作られたオープンソースの3DCGレンダラ『Sunflow』

Blendify:コンピュータービジョン向けBlenderラッパー

Unityの各コンポーネント間でのやり取り

Verilog HDL

python-twitterで自分のお気に入りを取得する

OpenSfM:PythonのStructure from Motionライブラリ

このブログのデザインに飽きてきた

Raspberry Piでセンサーの常時稼働を検討する

WordPressのサーバ引っ越し方法を考える

Pythonのソースコードに特化した検索エンジン『Nullege』

Multi-View Environment:複数画像から3次元形状を再構築するライブラリ

iOSデバイスのためのフィジカル・コンピューティングツールキット『konashi(こなし)』

C++始めようと思うんだ

GAN (Generative Adversarial Networks):敵対的生成ネットワーク

BlenderProc:Blenderで機械学習用の画像データを生成するPythonツール

OpenGVの用語

Alice Vision:オープンソースのPhotogrammetryフレームワーク

Super Resolution:OpenCVの超解像処理モジュール

Rerun:マルチモーダルデータの可視化アプリとSDK

コメント