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
クラスの基本
cvui：OpenCVのための軽量GUIライブラリ
Unreal Engineの薄い本
iOSで使えるJetpac社の物体認識SDK『DeepBel...
C++ 標準テンプレートライブラリ (STL)
WordPressのサーバ引っ越し方法を考える
Mask R-CNN：ディープラーニングによる一般物体検出・...
TensorSpace.js：ニューラルネットワークの構造を...
ManimML：機械学習の概念を視覚的に説明するためのライブ...
Live CV：インタラクティブにComputer Visi...
DCGAN (Deep Convolutional GAN)...
Raspberry PiでIoTごっこ
Point Cloud Utils：Pythonで3D点群・...
定数
OpenGVのライブラリ構成
adskShaderSDK
PyMC：Pythonのベイズ統計ライブラリ
Mitsuba 2：オープンソースの物理ベースレンダラ
UnityのTransformクラスについて調べてみた
Mean Stack開発の最初の一歩
openMVG：複数視点画像から3次元形状を復元するライブラ...
オープンソースの物理ベースGIレンダラ『appleseed』
ZScript
AMIMOTO（PVM版）で作成したインスタンスをAMIMO...
Kaolin：3Dディープラーニング用のPyTorchライブ...
DensePose：画像中の人物表面のUV座標を推定する
3Dグラフィックスの入門書
動的なメモリの扱い
Python拡張モジュールのWindows用インストーラー配...
機械学習で遊ぶ
『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...
Raspberry Pi 2を買いました
TeleSculptor：空撮動画からPhotogramme...
WordPress on Google App Engine...
為替レートの読み方 2WAYプライス表示
BlenderのPython環境にPyTorchをインストー...
ニューラルネットワークで画像分類
WordPressプラグインの作り方
NeuralNetwork.NET：.NETで使えるTens...
IronPythonを使ってUnity上でPythonのコー...
iOSデバイスと接続して連携するガジェットの開発方法
PythonのHTML・XMLパーサー『BeautifulS...
コメント