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
libigl：軽量なジオメトリ処理ライブラリ
Mean Stack開発の最初の一歩
Structure from Motion (多視点画像から...
WordPressプラグインの作り方
OpenAR：OpenCVベースのマーカーARライブラリ
Pythonの自然言語処理ライブラリ『NLTK(Natura...
Python.NET：Pythonと.NETを連携させるパッ...
konashiのサンプルコードを動かしてみた
Blendify：コンピュータービジョン向けBlenderラ...
openMVGをWindows10 Visual Studi...
Kornia：微分可能なコンピュータービジョンライブラリ
第2回Webスクレイピング勉強会の資料
UnityでOpenCVを使うには？
Mitsuba 2：オープンソースの物理ベースレンダラ
Iterator
Multi-View Environment：複数画像から3...
viser：Pythonで使える3D可視化ライブラリ
為替レートの読み方 2WAYプライス表示
機械学習に役立つPythonライブラリ一覧
OpenCV
C++始めようと思うんだ
BGSLibrary：OpenCVベースの背景差分ライブラリ
Blender 2.8がついに正式リリース！
プログラムによる景観の自動生成
OpenCVで顔のモーフィングを実装する
CGALDotNet：計算幾何学ライブラリ CGALのC#ラ...
geometry3Sharp：Unity C#で使えるポリゴ...
機械学習手法『Random Forest』
Theia：オープンソースのStructure from M...
OpenCV3.3.0でsfmモジュールのビルドに成功！
サンプルコードにも間違いはある？
書籍『仕事ではじめる機械学習』を読みました
ROSでガンダムを動かす
プログラミングスキルとは何か？
Composition Rendering：Blenderに...
UnityでTweenアニメーションを実装できる3種類の無料...
WordPress on Windows Azure
CGレンダラ研究開発のためのフレームワーク『Lightmet...
ブログが1日ダウンしてました
Rerun：マルチモーダルデータの可視化アプリとSDK
OpenMVSのサンプルを動かしてみる
AnacondaとTensorFlowをインストールしてVi...
コメント