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
TorchStudio：PyTorchのための統合開発環境と...
Open3D：3Dデータ処理ライブラリ
Verilog HDL
viser：Pythonで使える3D可視化ライブラリ
Gource：バージョン管理の履歴を可視化するツール
UnityからROSを利用できる『ROS#』
UnityでShaderの入力パラメータとして行列を渡す
UnityでOpenCVを使うには？
WordPress on Windows Azure
PythonのHTML・XMLパーサー『BeautifulS...
Manim：Pythonで使える数学アニメーションライブラリ
為替レートの読み方 2WAYプライス表示
書籍『OpenCV 3 プログラミングブック』を購入
SVM (Support Vector Machine)
Theia：オープンソースのStructure from M...
html5のcanvasの可能性
MB-Lab：Blenderの人体モデリングアドオン
OpenCV 3.1とopencv_contribモジュール...
TeleSculptor：空撮動画からPhotogramme...
Pythonの自然言語処理ライブラリ『NLTK(Natura...
Unity Scriptコーディング→Unreal Engi...
Blendify：コンピュータービジョン向けBlenderラ...
Deep Fluids：流体シミュレーションをディープラーニ...
Unityの薄い本
フォトンの放射から格納までを可視化した動画
adskShaderSDK
ブログが1日ダウンしてました
Raspberry PiでIoTごっこ
今年もSSII
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...
スクラッチで既存のキャラクターを立体化したい
OpenCVの超解像(SuperResolution)モジュ...
RSSフィードを読込んで表示するWordpressプラグイン...
OpenCVで顔のランドマークを検出する『Facemark ...
OpenCV バージョン4がリリースされた！
Google製オープンソース機械学習ライブラリ『Tensor...
Math.NET Numerics：Unityで使える数値計...
UnityでARKit2.0
ROSでガンダムを動かす
Unity MonoBehaviourクラスのオーバーライド...
Swark：コードからアーキテクチャ図を作成できるVSCod...
ポリゴンジオメトリ処理ライブラリ『pmp-library (...
コメント