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
Iridescence：プロトタイピング向け軽量3D可視化ラ...
Javaで作られたオープンソースの3DCGレンダラ『Sunf...
Google App EngineでWordPress
UnityでShaderの入力パラメータとして行列を渡す
BlenderのPython環境にPyTorchをインストー...
BlenderでPhotogrammetryできるアドオン
trimesh：PythonでポリゴンMeshを扱うライブラ...
Alice Vision：オープンソースのPhotogram...
ブログをGoogle App EngineからAmazon ...
Unity ARKitプラグインサンプルのチュートリアルを読...
iPhoneアプリ開発 Xcode 5のお作法
チャットツール用bot開発フレームワーク『Hubot』
OpenCV 3.1のsfmモジュールを試す
科学技術計算向けスクリプト言語『Julia』
TorchStudio：PyTorchのための統合開発環境と...
uvでWindows11のPython環境を管理する
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...
C++始めようと思うんだ
Unityの薄い本
ZBrushのZScript入門
OANDAのfxTrade API
Google Chromecast
BlenderProc：Blenderで機械学習用の画像デー...
OpenCV
続・ディープラーニングの資料
UnityプロジェクトをGitHubで管理する
OpenCV 3.1のsfmモジュールのビルド再び
C++の抽象クラス
2D→3D復元技術で使われる用語まとめ
SVM (Support Vector Machine)
Theia：オープンソースのStructure from M...
PGGAN：段階的に解像度を上げて学習を進めるGAN
Konashiを買った
Python.NET：Pythonと.NETを連携させるパッ...
書籍『ROSプログラミング』
Python2とPython3
pythonもかじってみようかと
UnrealCLR：Unreal Engineで.NET C...
C#で使える遺伝的アルゴリズムライブラリ『GeneticSh...
R-CNN (Regions with CNN featur...
CGALDotNet：計算幾何学ライブラリ CGALのC#ラ...
OpenGVのライブラリ構成
コメント