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
Google App Engineのデプロイ失敗
iPhone x ロボットハッカソン～RomoのiPhone...
OpenAR：OpenCVベースのマーカーARライブラリ
Geogram：C++の3D幾何アルゴリズムライブラリ
ディープラーニング
OpenCV
機械学習に役立つPythonライブラリ一覧
BGSLibrary：OpenCVベースの背景差分ライブラリ
オープンソースの物理ベースGIレンダラ『appleseed』
OpenCV 3.3.0 contribのsfmモジュールの...
Webスクレイピングの勉強会に行ってきた
konashiのサンプルコードを動かしてみた
2D→3D復元技術で使われる用語まとめ
Unity ARKitプラグインサンプルのチュートリアルを読...
Mechanizeで要認証Webサイトをスクレイピング
スクレイピング
スクラッチで既存のキャラクターを立体化したい
PythonでMayaのShapeノードプラグインを作る
書籍『ROSプログラミング』
Python2とPython3
Mayaのプラグイン開発
『手を動かしながら学ぶエンジニアのためのデータサイエンス』ハ...
Mean Stack開発の最初の一歩
python-twitterで自分のお気に入りを取得する
UnityプロジェクトをGitHubで管理する
オープンソースの物理ベースレンダラ『Mitsuba』をMay...
Live CV：インタラクティブにComputer Visi...
Point Cloud Utils：Pythonで3D点群・...
viser：Pythonで使える3D可視化ライブラリ
WordPress on Windows Azure
Iterator
PyDataTokyo主催のDeep Learning勉強会
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...
BlenderでPhotogrammetryできるアドオン
uvでWindows11のPython環境を管理する
AnacondaとTensorFlowをインストールしてVi...
Raspberry Pi 2のGPIOピン配置
為替レートの読み方 2WAYプライス表示
FCN (Fully Convolutional Netwo...
UnityのAR FoundationでARKit 3
BlenderのPython環境にPyTorchをインストー...
OpenSfM：PythonのStructure from ...
コメント