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...
UnityでARKit2.0
Kaolin：3Dディープラーニング用のPyTorchライブ...
ManimML：機械学習の概念を視覚的に説明するためのライブ...
ROSの薄い本
ニューラルネットワークで画像分類
サンプルコードにも間違いはある？
viser：Pythonで使える3D可視化ライブラリ
定数
Deep Learningとその他の機械学習手法の性能比較
Python2とPython3
オープンソースの取引プラットフォーム
Blender 2.8がついに正式リリース！
ブログのデザイン変えました
Pythonのソースコードに特化した検索エンジン『Nulle...
TorchStudio：PyTorchのための統合開発環境と...
まだ続くブログの不調
OpenGV：画像からカメラの3次元位置・姿勢を推定するライ...
OpenMVSのサンプルを動かしてみる
UnityプロジェクトをGitHubで管理する
Rerun：マルチモーダルデータの可視化アプリとSDK
libigl：軽量なジオメトリ処理ライブラリ
Twitter APIのPythonラッパー『python-...
OpenCV 3.1から追加されたSfMモジュール
チャットツール用bot開発フレームワーク『Hubot』
TeleSculptor：空撮動画からPhotogramme...
Google Colaboratoryで遊ぶ準備
UnityからROSを利用できる『ROS#』
オープンソースの人体モデリングツール『MakeHuman』の...
iOSで使えるJetpac社の物体認識SDK『DeepBel...
C#で使える遺伝的アルゴリズムライブラリ『GeneticSh...
マルコフ連鎖モンテカルロ法
Caffe：読みやすくて高速なディープラーニングのフレームワ...
Polyscope：3Dデータ操作用GUIライブラリ
SONY製のニューラルネットワークライブラリ『NNabla』
openMVG：複数視点画像から3次元形状を復元するライブラ...
オープンソースの顔の動作解析ツールキット『OpenFace』
trimesh：PythonでポリゴンMeshを扱うライブラ...
Webサイトのワイヤーフレームが作成できるオンラインツール
PythonのHTML・XMLパーサー『BeautifulS...
Math Inspector：科学計算向けビジュアルプログラ...
openMVGをWindows10 Visual Studi...
コメント