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
OpenCVで顔のモーフィングを実装する
PyTorch3D：3Dコンピュータービジョンライブラリ
AmazonEC2のインスタンスをt1.microからt2....
『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...
WordPressの表示を高速化する
AfterEffectsプラグイン開発
adskShaderSDK
Kaolin：3Dディープラーニング用のPyTorchライブ...
Mean Stack開発の最初の一歩
MB-Lab：Blenderの人体モデリングアドオン
UnityでOpenCVを使うには？
クラスの基本
Google Chromecast
trimesh：PythonでポリゴンMeshを扱うライブラ...
機械学習で遊ぶ
WordPressのテーマを自作する
openMVG：複数視点画像から3次元形状を復元するライブラ...
OpenMVSのサンプルを動かしてみる
Windows10でPyTorchをインストールしてVSCo...
SVM (Support Vector Machine)
Human Generator：Blenderの人体生成アド...
SONYの自律型エンタテインメントロボット『aibo』
Math.NET Numerics：Unityで使える数値計...
OpenMesh：オープンソースの３Dメッシュデータライブラ...
OpenCV
Rerun：マルチモーダルデータの可視化アプリとSDK
3D復元技術の情報リンク集
Unityで強化学習できる『Unity ML-Agents』
Geogram：C++の3D幾何アルゴリズムライブラリ
Unityの薄い本
ディープラーニング
Python拡張モジュールのWindows用インストーラー配...
ブログをGoogle App EngineからAmazon ...
Multi-View Environment：複数画像から3...
書籍『ゼロから作るDeep Learning』で自分なりに学...
R-CNN (Regions with CNN featur...
openMVGをWindows10 Visual Studi...
Mask R-CNN：ディープラーニングによる一般物体検出・...
Pythonの自然言語処理ライブラリ『NLTK(Natura...
Runway ML：クリエイターのための機械学習ツール
libigl：軽量なジオメトリ処理ライブラリ
viser：Pythonで使える3D可視化ライブラリ
コメント