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
Multi-View Environment：複数画像から3...
Mayaのプラグイン開発
AfterEffectsプラグイン開発
HerokuでMEAN stack
OpenCVの超解像(SuperResolution)モジュ...
Kornia：微分可能なコンピュータービジョンライブラリ
Geogram：C++の3D幾何アルゴリズムライブラリ
OpenMVS：Multi-View Stereoによる3次...
BlenderProc：Blenderで機械学習用の画像デー...
頭蓋骨からの顔復元と進化過程の可視化
Iterator
Windows10でPyTorchをインストールしてVSCo...
CycleGAN：ドメイン関係を学習した画像変換
UnityのTransformクラスについて調べてみた
網元AMIで作ったWordpressサイトのインスタンスをt...
OpenMVSのサンプルを動かしてみる
ZBrushで作った3Dモデルを立体視で確認できるVRアプリ...
OpenAR：OpenCVベースのマーカーARライブラリ
ドットインストールのWordPress入門レッスン
ZScript
Math.NET Numerics：Unityで使える数値計...
ポリゴンジオメトリ処理ライブラリ『pmp-library (...
プログラムによる景観の自動生成
PythonのHTML・XMLパーサー『BeautifulS...
書籍『OpenCV 3 プログラミングブック』を購入
OpenCV 3.1から追加されたSfMモジュール
Pythonのソースコードに特化した検索エンジン『Nulle...
IronPythonを使ってUnity上でPythonのコー...
AmazonEC2のインスタンスをt1.microからt2....
Unityの各コンポーネント間でのやり取り
C++ 標準テンプレートライブラリ (STL)
今年もSSII
Amazon EC2ログイン用の秘密鍵を無くした場合の対処方...
ブログのデザイン変えました
GoB：ZBrushとBlenderを連携させるアドオン
Raspberry Pi 2のGPIOピン配置
cvui：OpenCVのための軽量GUIライブラリ
ディープラーニング
OpenCVの三角測量関数『cv::triangulatep...
Unity ARKitプラグインサンプルのチュートリアルを読...
続・ディープラーニングの資料
Swark：コードからアーキテクチャ図を作成できるVSCod...
コメント