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
『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...
OpenGVの用語
Google App Engineのデプロイ失敗
viser：Pythonで使える3D可視化ライブラリ
OpenSfM：PythonのStructure from ...
OpenCVで顔のモーフィングを実装する
Raspberry Piでセンサーの常時稼働を検討する
オープンソースの顔の動作解析ツールキット『OpenFace』
OpenCV バージョン4がリリースされた！
WebGL開発に関する情報が充実してきている
Live CV：インタラクティブにComputer Visi...
COLMAP：オープンソースのSfM・MVSツール
C++の抽象クラス
WinSCP
Raspberry Pi 2を買いました
OpenGV：画像からカメラの3次元位置・姿勢を推定するライ...
TensorFlowでCGを微分できる『TensorFlow...
UnityでTweenアニメーションを実装できる3種類の無料...
WordPress on Google App Engine...
CGレンダラ研究開発のためのフレームワーク『Lightmet...
Deep Fluids：流体シミュレーションをディープラーニ...
Google App Engine上のWordPressでF...
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...
Rerun：マルチモーダルデータの可視化アプリとSDK
Blender 2.8がついに正式リリース！
WordPressのサーバ引っ越し方法を考える
Google製オープンソース機械学習ライブラリ『Tensor...
Python.NET：Pythonと.NETを連携させるパッ...
OpenCVの三角測量関数『cv::triangulatep...
OpenMesh：オープンソースの３Dメッシュデータライブラ...
Unity ARKitプラグインサンプルのドキュメントを読む
Mitsuba 3：オープンソースの研究向けレンダラ
UnityのGameObjectの向きをScriptで制御す...
Unityの各コンポーネント間でのやり取り
OpenCV
iPhone x ロボットハッカソン～RomoのiPhone...
pythonの機械学習ライブラリ『scikit-learn』
オープンソースの人体モデリングツール『MakeHuman』の...
Python for Unity：UnityEditorでP...
OpenGVのライブラリ構成
PyMC：Pythonのベイズ統計ライブラリ
ニューラルネットワークで画像分類
コメント