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
KelpNet：C#で使える可読性重視のディープラーニングラ...
書籍『ゼロから作るDeep Learning』で自分なりに学...
OpenCV バージョン4がリリースされた！
オープンソースの顔認識フレームワーク『OpenBR』
このブログのデザインに飽きてきた
書籍『OpenCV 3 プログラミングブック』を購入
Python拡張モジュールのWindows用インストーラー配...
Unityで強化学習できる『Unity ML-Agents』
Windows10でPyTorchをインストールしてVSCo...
WordPressのサーバ引っ越し方法を考える
R-CNN (Regions with CNN featur...
Mitsuba 3：オープンソースの研究向けレンダラ
OpenCVでiPhone6sのカメラをキャリブレーションす...
Math.NET Numerics：Unityで使える数値計...
UnityでLight Shaftを表現する
書籍『ROSプログラミング』
Web経由でRaspberry PiのGPIOを操作したい
書籍『3次元コンピュータビジョン計算ハンドブック』を購入
SONY製のニューラルネットワークライブラリ『NNabla』
Unity ARKitプラグインサンプルのドキュメントを読む
Google App EngineでWordPress
Blendify：コンピュータービジョン向けBlenderラ...
3Dグラフィックスの入門書
Google Colaboratoryで遊ぶ準備
pythonの機械学習ライブラリ『scikit-learn』
PythonでBlenderのAdd-on開発
Human Generator：Blenderの人体生成アド...
Kubric：機械学習用アノテーション付き動画生成パイプライ...
プログラミングスキルとは何か？
ROMOハッカソンに行ってきた
頭蓋骨からの顔復元と進化過程の可視化
Mitsuba 2：オープンソースの物理ベースレンダラ
GAN (Generative Adversarial Ne...
hloc：SuperGlueで精度を向上させたSfM・Vis...
オープンソースの物理ベースレンダラ『Mitsuba』をMay...
ブログの復旧が難航してた話
Deep Learningとその他の機械学習手法の性能比較
MB-Lab：Blenderの人体モデリングアドオン
OpenCVのfindEssentialMat関数を使ったサ...
SVM (Support Vector Machine)
TensorSpace.js：ニューラルネットワークの構造を...
JavaScriptとかWebGLとかCanvasとか
コメント