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
Python.NET：Pythonと.NETを連携させるパッ...
クラスの基本
Gource：バージョン管理の履歴を可視化するツール
Unity ARKitプラグインサンプルのドキュメントを読む
OpenCV
AmazonEC2のインスタンスをt1.microからt2....
IronPythonを使ってUnity上でPythonのコー...
Point Cloud Utils：Pythonで3D点群・...
openMVG：複数視点画像から3次元形状を復元するライブラ...
Open3D：3Dデータ処理ライブラリ
PythonでMayaのShapeノードプラグインを作る
Caffe：読みやすくて高速なディープラーニングのフレームワ...
UnityプロジェクトをGitHubで管理する
3Dグラフィックスの入門書
仮想関数
Russian3DScannerのトポロジー転送ツール『Wr...
定数
MVStudio：オープンソースのPhotogrammetr...
WordPressプラグインの作り方
python-twitterで自分のお気に入りを取得する
ROSでガンダムを動かす
このブログのデザインに飽きてきた
OpenCV 3.1のsfmモジュールを試す
OpenVDB：3Dボリュームデータ処理ライブラリ
Pythonのソースコードに特化した検索エンジン『Nulle...
TensorSpace.js：ニューラルネットワークの構造を...
OpenMVS：Multi-View Stereoによる3次...
R-CNN (Regions with CNN featur...
Blendify：コンピュータービジョン向けBlenderラ...
株式会社ヘキサドライブの研究室ページ
LuxCoreRender：オープンソースの物理ベースレンダ...
Unity Scriptコーディング→Unreal Engi...
Google Chromecast
UnityのMonoBehaviourクラスをシングルトン化...
書籍『ゼロから作るDeep Learning』で自分なりに学...
HerokuでMEAN stack
pythonもかじってみようかと
3分の動画でプログラミングを学習できるサイト『ドットインスト...
3D復元技術の情報リンク集
Python2とPython3
Raspberry Pi 2のGPIOピン配置
Manim：Pythonで使える数学アニメーションライブラリ
コメント