ブラウザ操作自動化ツール『Selenium』を試す

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。↓

Pythonによるスクレイピング&機械学習 開発テクニック BeautifulSoup,scikit-learn,TensorFlowを使ってみよう

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

UnityでOpenCVを使うには?

C#で使える遺伝的アルゴリズムライブラリ『GeneticSh...

TorchStudio:PyTorchのための統合開発環境と...

ブログの復旧が難航してた話

WordPressプラグインによるサイトマップの自動生成

Javaで作られたオープンソースの3DCGレンダラ『Sunf...

ZScript

ROMOハッカソンに行ってきた

AMIMOTO(PVM版)で作成したインスタンスをAMIMO...

UnityプロジェクトをGitHubで管理する

Kaolin:3Dディープラーニング用のPyTorchライブ...

Open3D:3Dデータ処理ライブラリ

続・ディープラーニングの資料

konashiのサンプルコードを動かしてみた

Math.NET Numerics:Unityで使える数値計...

OpenVDB:3Dボリュームデータ処理ライブラリ

Unity Scriptコーディング→Unreal Engi...

『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...

書籍『ROSプログラミング』

マルコフ連鎖モンテカルロ法

bpy-renderer:レンダリング用Pythonパッケー...

3D復元技術の情報リンク集

OpenCVでiPhone6sのカメラをキャリブレーションす...

CycleGAN:ドメイン関係を学習した画像変換

Amazon EC2ログイン用の秘密鍵を無くした場合の対処方...

iOSデバイスと接続して連携するガジェットの開発方法

機械学習に役立つPythonライブラリ一覧

為替レートの読み方 2WAYプライス表示

HD画質の無駄遣い

PGGAN:段階的に解像度を上げて学習を進めるGAN

仮想関数

OpenCV3.3.0でsfmモジュールのビルドに成功!

組み込み向けのWindows OS 『Windows Emb...

Human Generator:Blenderの人体生成アド...

Point Cloud Utils:Pythonで3D点群・...

WordPressの表示を高速化する

オープンソースの顔認識フレームワーク『OpenBR』

AndroidもopenGLも初心者さ (でもJavaは知っ...

UnrealCLR:Unreal Engineで.NET C...

OpenMVS:Multi-View Stereoによる3次...

スクレイピング

CGALDotNet:計算幾何学ライブラリ CGALのC#ラ...

コメント