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

Unity ARKitプラグインサンプルのドキュメントを読む
Pythonのソースコードに特化した検索エンジン『Nullege』
クラスの基本
OpenCV3.3.0でsfmモジュールのビルドに成功!
Google App EngineでWordPress
MythTV:Linuxでテレビの視聴・録画ができるオープンソースプロジェクト
2D→3D復元技術で使われる用語まとめ
OpenMesh:オープンソースの3Dメッシュデータライブラリ
Google製オープンソース機械学習ライブラリ『TensorFlow』のWindows版が公開された
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)』
RSSフィードを読込んで表示するWordpressプラグイン『RSSImport』
網元AMIで作ったWordpressサイトのインスタンスをt1microからt2microへ移行した
OpenCVのための軽量GUIライブラリ『cvui』
オープンソースの物理ベースGIレンダラ『appleseed』
UnityプロジェクトをGitHubで管理する
WordPress on Google App Engineを1週間運用してみて
pythonの機械学習ライブラリ『scikit-learn』
Super Resolution:OpenCVの超解像処理モジュール
オープンソースのStructure from Motionライブラリ『Theia』
OpenSfM:PythonのStructure from Motionライブラリ
頭蓋骨からの顔復元と進化過程の可視化
OANDAのfxTrade API
FreeMoCap Project:オープンソースのマーカーレスモーションキャプチャ
WordPress on Windows Azure
Mask R-CNN:ディープラーニングによる一般物体検出・Instance Segmentatio...
Google Colaboratoryで遊ぶ準備
Russian3DScannerのトポロジー転送ツール『WrapX』
WordPressプラグインによるサイトマップの自動生成
Boost オープンソースライブラリ
OpenMVSのサンプルを動かしてみる
為替レートの読み方 2WAYプライス表示
OpenCVの三角測量関数『cv::triangulatepoints』
AnacondaとTensorFlowをインストールしてVisual Studio 2015で使う
PyDataTokyo主催のDeep Learning勉強会
Twitter APIのPythonラッパー『python-twitter』
プログラムによる景観の自動生成
手を動かしながら学ぶデータマイニング
KelpNet:C#で使える可読性重視のディープラーニングライブラリ
Amazon Web ServicesでWordPress
Verilog HDL
Google App Engine上のWordPressでFlickrの画像を貼る
法線マップを用意してCanvas上でShadingするサンプル

コメント