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
WordPress on Windows Azure
ManimML：機械学習の概念を視覚的に説明するためのライブ...
3分の動画でプログラミングを学習できるサイト『ドットインスト...
OpenCV
2D→3D復元技術で使われる用語まとめ
ブログのデザイン変えました
UnityでLight Shaftを表現する
まだ続くブログの不調
オープンソースの顔の動作解析ツールキット『OpenFace』
C++ 標準テンプレートライブラリ (STL)
PythonでBlenderのAdd-on開発
組み込み向けのWindows OS 『Windows Emb...
UnityのAR FoundationでARKit 3
ROSの薄い本
HerokuでMEAN stack
Verilog HDL
WinSCP
Structure from Motion (多視点画像から...
オープンソースの物理ベースGIレンダラ『appleseed』
OpenCV 3.1のsfmモジュールを試す
NumSharp：C#で使えるNumPyライクな数値計算ライ...
JavaScriptとかWebGLとかCanvasとか
Raspberry Pi
C#で使える遺伝的アルゴリズムライブラリ『GeneticSh...
FCN (Fully Convolutional Netwo...
Python for Unity：UnityEditorでP...
FreeMoCap Project：オープンソースのマーカー...
GAN (Generative Adversarial Ne...
UnityでARKit2.0
Webスクレイピングの勉強会に行ってきた
PythonでMayaのShapeノードプラグインを作る
Google App Engineのデプロイ失敗
ZBrushで作った3Dモデルを立体視で確認できるVRアプリ...
PGGAN：段階的に解像度を上げて学習を進めるGAN
OpenCVでPhotoshopのプラグイン開発
OpenCV 3.3.0-RCでsfmモジュールをビルド
書籍『ゼロから作るDeep Learning』で自分なりに学...
OpenMVS：Multi-View Stereoによる3次...
C++の抽象クラス
Google Colaboratoryで遊ぶ準備
SDカードサイズのコンピューター『Intel Edison』
CGレンダラ研究開発のためのフレームワーク『Lightmet...
コメント