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
HerokuでMEAN stack
OpenCVの超解像(SuperResolution)モジュ...
C++始めようと思うんだ
チャットツール用bot開発フレームワーク『Hubot』
Blender 2.8がついに正式リリース！
Point Cloud Utils：Pythonで3D点群・...
KelpNet：C#で使える可読性重視のディープラーニングラ...
cvui：OpenCVのための軽量GUIライブラリ
手を動かしながら学ぶデータマイニング
網元AMIで作ったWordpressサイトのインスタンスをt...
Webスクレイピングの勉強会に行ってきた
Unityで学ぶC#
第2回Webスクレイピング勉強会の資料
ROMOハッカソンに行ってきた
OpenGV：画像からカメラの3次元位置・姿勢を推定するライ...
オープンソースの人体モデリングツール『MakeHuman』の...
定数
WebGL開発に関する情報が充実してきている
AfterEffectsプラグイン開発
オープンソースの顔の動作解析ツールキット『OpenFace』
Polyscope：3Dデータ操作用GUIライブラリ
Amazon Web ServicesでWordPress
UnityでTweenアニメーションを実装できる3種類の無料...
ブログが1日ダウンしてました
『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...
書籍『3次元コンピュータビジョン計算ハンドブック』を購入
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...
オープンソースの物理ベースGIレンダラ『appleseed』
PyTorch3D：3Dコンピュータービジョンライブラリ
UnityからROSを利用できる『ROS#』
MPFB2：Blenderの人体モデリングアドオン
WordPressプラグインによるサイトマップの自動生成
2D→3D復元技術で使われる用語まとめ
C++の抽象クラス
OpenCV 3.1とopencv_contribモジュール...
ZBrushのZScript入門
OpenAR：OpenCVベースのマーカーARライブラリ
Math.NET Numerics：Unityで使える数値計...
Google App EngineでWordPress
Structure from Motion (多視点画像から...
Raspberry Piでセンサーの常時稼働を検討する
Iridescence：プロトタイピング向け軽量3D可視化ラ...
コメント