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
Iterator
オープンソースの顔の動作解析ツールキット『OpenFace』
SDカードサイズのコンピューター『Intel Edison』
OpenFace：Deep Neural Networkによ...
MythTV：Linuxでテレビの視聴・録画ができるオープン...
Unityの各コンポーネント間でのやり取り
Gource：バージョン管理の履歴を可視化するツール
AnacondaとTensorFlowをインストールしてVi...
COLMAP：オープンソースのSfM・MVSツール
UnityでOpenCVを使うには？
機械学習手法『Random Forest』
書籍『ゼロから作るDeep Learning』で自分なりに学...
Kornia：微分可能なコンピュータービジョンライブラリ
PythonでBlenderのAdd-on開発
python-twitterで自分のお気に入りを取得する
Python.NET：Pythonと.NETを連携させるパッ...
UnityでShaderの入力パラメータとして行列を渡す
タマムシっぽい質感
ManuelBastioniLAB：人体モデリングできるBl...
WebGL開発に関する情報が充実してきている
OpenCVの三角測量関数『cv::triangulatep...
スクレイピング
ROSの薄い本
MVStudio：オープンソースのPhotogrammetr...
WinSCP
Unityで強化学習できる『Unity ML-Agents』
AmazonEC2のインスタンスをt1.microからt2....
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
Pylearn2：ディープラーニングに対応したPythonの...
Alice Vision：オープンソースのPhotogram...
Kubric：機械学習用アノテーション付き動画生成パイプライ...
Google App Engine上のWordPressでA...
OpenCVのfindEssentialMat関数を使ったサ...
UnityのGameObjectの向きをScriptで制御す...
Geogram：C++の3D幾何アルゴリズムライブラリ
クラスの基本
iPhone x ロボットハッカソン～RomoのiPhone...
OpenCV3.3.0でsfmモジュールのビルドに成功！
チャットツール用bot開発フレームワーク『Hubot』
JavaScriptとかWebGLとかCanvasとか
3Dモデルを立体視で確認できるVRアプリを作っている
AMIMOTO（PVM版）で作成したインスタンスをAMIMO...
コメント