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
OpenCV3.3.0でsfmモジュールのビルドに成功！
Kornia：微分可能なコンピュータービジョンライブラリ
Google App Engine上のWordPressでF...
OpenMesh：オープンソースの３Dメッシュデータライブラ...
TensorFlowでCGを微分できる『TensorFlow...
ManimML：機械学習の概念を視覚的に説明するためのライブ...
PythonでMayaのShapeノードプラグインを作る
ArUco：OpenCVベースのコンパクトなARライブラリ
Google App Engineのデプロイ失敗
オープンソースの顔の動作解析ツールキット『OpenFace』
WebGL開発に関する情報が充実してきている
AnacondaとTensorFlowをインストールしてVi...
Kubric：機械学習用アノテーション付き動画生成パイプライ...
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
WordPressの表示を高速化する
Mayaのプラグイン開発
FCN (Fully Convolutional Netwo...
Twitter APIのPythonラッパー『python-...
iOSデバイスと接続して連携するガジェットの開発方法
機械学習に役立つPythonライブラリ一覧
Pythonの自然言語処理ライブラリ『NLTK(Natura...
WordPressのサーバ引っ越し方法を考える
MythTV：Linuxでテレビの視聴・録画ができるオープン...
PyMC：Pythonのベイズ統計ライブラリ
サンプルコードにも間違いはある？
書籍『ゼロから作るDeep Learning』で自分なりに学...
AMIMOTO（PVM版）で作成したインスタンスをAMIMO...
Unityからkonashiをコントロールする
BlenderでPhotogrammetryできるアドオン
Python2とPython3
ディープラーニング
Live CV：インタラクティブにComputer Visi...
今年もSSII
ブログをGoogle App EngineからAmazon ...
Konashiを買った
WordPress on Google App Engine...
組み込み向けのWindows OS 『Windows Emb...
オープンソースの顔認識フレームワーク『OpenBR』
書籍『ROSプログラミング』
オープンソースのロボットアプリケーションフレームワーク『RO...
Webスクレイピングの勉強会に行ってきた
trimesh：PythonでポリゴンMeshを扱うライブラ...
コメント