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
動的なメモリの扱い
Unity MonoBehaviourクラスのオーバーライド...
オープンソースの取引プラットフォーム
仮想関数
OpenCV 3.1のsfmモジュールを試す
C++ 標準テンプレートライブラリ (STL)
Managing Software Requirements...
Kornia：微分可能なコンピュータービジョンライブラリ
Cartographer：オープンソースのSLAMライブラリ
WinSCP
C++の抽象クラス
Seleniumを使ったFXや株の自動取引
為替レートの読み方 2WAYプライス表示
PyDataTokyo主催のDeep Learning勉強会
UnityでShaderの入力パラメータとして行列を渡す
Google Colaboratoryで遊ぶ準備
ポリゴンジオメトリ処理ライブラリ『pmp-library (...
ブログのデザイン変えました
Pythonのソースコードに特化した検索エンジン『Nulle...
Mechanizeで要認証Webサイトをスクレイピング
iOSデバイスのためのフィジカル・コンピューティングツールキ...
書籍『仕事ではじめる機械学習』を読みました
Deep Learningとその他の機械学習手法の性能比較
ブログの復旧が難航してた話
このブログのデザインに飽きてきた
OpenMVS：Multi-View Stereoによる3次...
Super Resolution：OpenCVの超解像処理モ...
BlenderでPhotogrammetryできるアドオン
オープンソースの人体モデリングツール『MakeHuman』の...
C++始めようと思うんだ
網元AMIで作ったWordpressサイトのインスタンスをt...
Composition Rendering：Blenderに...
DCGAN (Deep Convolutional GAN)...
Unityで画面タッチ・ジェスチャ入力を扱う無料Asset『...
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
科学技術計算向けスクリプト言語『Julia』
Dlib：C++の機械学習ライブラリ
Quartus II
スクレイピング
ブログが1日ダウンしてました
OpenCV 3.1のsfmモジュールのビルド再び
OpenGVの用語
コメント