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
CycleGAN：ドメイン関係を学習した画像変換
WordPress on Windows Azure
UnityでARKit2.0
DCGAN (Deep Convolutional GAN)...
OANDAのfxTrade API
Pythonのソースコードに特化した検索エンジン『Nulle...
FreeMoCap Project：オープンソースのマーカー...
WordPressプラグインによるサイトマップの自動生成
ブログのデザイン変えました
Deep Fluids：流体シミュレーションをディープラーニ...
UnityのGameObjectの向きをScriptで制御す...
Managing Software Requirements...
TensorSpace.js：ニューラルネットワークの構造を...
タマムシっぽい質感
FCN (Fully Convolutional Netwo...
書籍『仕事ではじめる機械学習』を読みました
Runway ML：クリエイターのための機械学習ツール
Google App Engineのデプロイ失敗
Cartographer：オープンソースのSLAMライブラリ
マルコフ連鎖モンテカルロ法
チャットツール用bot開発フレームワーク『Hubot』
3Dグラフィックスの入門書
BlenderでPhotogrammetryできるアドオン
iOSデバイスと接続して連携するガジェットの開発方法
Rerun：マルチモーダルデータの可視化アプリとSDK
Math.NET Numerics：Unityで使える数値計...
WebGL開発に関する情報が充実してきている
AnacondaとTensorFlowをインストールしてVi...
Model View Controller
OpenCV 3.1とopencv_contribモジュール...
Unityからkonashiをコントロールする
書籍『3次元コンピュータビジョン計算ハンドブック』を購入
SONY製のニューラルネットワークライブラリ『NNabla』
MythTV：Linuxでテレビの視聴・録画ができるオープン...
Iterator
UnityプロジェクトをGitHubで管理する
Raspberry PiのGPIOを操作するPythonライ...
ZScript
iOSで使えるJetpac社の物体認識SDK『DeepBel...
Seleniumを使ったFXや株の自動取引
Unityの薄い本
クラスの基本
コメント