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
COLMAP：オープンソースのSfM・MVSツール
Mayaのプラグイン開発
OpenMVS：Multi-View Stereoによる3次...
UnityでPoint Cloudを表示する方法
Math.NET Numerics：Unityで使える数値計...
OpenCV 3.1から追加されたSfMモジュール
ブログが1日ダウンしてました
cvui：OpenCVのための軽量GUIライブラリ
Raspberry Piでセンサーの常時稼働を検討する
pythonの機械学習ライブラリ『scikit-learn』
Boost オープンソースライブラリ
Multi-View Environment：複数画像から3...
Cartographer：オープンソースのSLAMライブラリ
UnityでTweenアニメーションを実装できる3種類の無料...
WebGL開発に関する情報が充実してきている
Pythonのソースコードに特化した検索エンジン『Nulle...
OpenSfM：PythonのStructure from ...
SDカードサイズのコンピューター『Intel Edison』
Javaで作られたオープンソースの3DCGレンダラ『Sunf...
ZBrushで作った3Dモデルを立体視で確認できるVRアプリ...
Python拡張モジュールのWindows用インストーラー配...
Blendify：コンピュータービジョン向けBlenderラ...
PyDataTokyo主催のDeep Learning勉強会
Faster R-CNN：ディープラーニングによる一般物体検...
NumSharp：C#で使えるNumPyライクな数値計算ライ...
3Dモデルを立体視で確認できるVRアプリを作っている
IronPythonを使ってUnity上でPythonのコー...
SVM (Support Vector Machine)
Accord.NET Framework：C#で使える機械学...
FCN (Fully Convolutional Netwo...
チャットツール用bot開発フレームワーク『Hubot』
BlenderProc：Blenderで機械学習用の画像デー...
HD画質の無駄遣い
AnacondaとTensorFlowをインストールしてVi...
ArUco：OpenCVベースのコンパクトなARライブラリ
OpenCVでPhotoshopのプラグイン開発
『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...
OpenCVの顔検出過程を可視化した動画
TeleSculptor：空撮動画からPhotogramme...
今年もSSII
MVStudio：オープンソースのPhotogrammetr...
マルコフ連鎖モンテカルロ法
コメント