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
Deep Fluids：流体シミュレーションをディープラーニ...
SVM (Support Vector Machine)
Web経由でRaspberry PiのGPIOを操作したい
ManimML：機械学習の概念を視覚的に説明するためのライブ...
PyMC：Pythonのベイズ統計ライブラリ
OpenSfM：PythonのStructure from ...
Open3D：3Dデータ処理ライブラリ
RSSフィードを読込んで表示するWordpressプラグイン...
OpenCV 3.1とopencv_contribモジュール...
第2回Webスクレイピング勉強会の資料
AfterEffectsプラグイン開発
LuxCoreRender：オープンソースの物理ベースレンダ...
組み込み向けのWindows OS 『Windows Emb...
Blender 2.8がついに正式リリース！
CGALDotNet：計算幾何学ライブラリ CGALのC#ラ...
Model View Controller
VCG Library：C++のポリゴン操作ライブラリ
OpenCV
Google App Engine上のWordPressでF...
Pylearn2：ディープラーニングに対応したPythonの...
pythonもかじってみようかと
Live CV：インタラクティブにComputer Visi...
JavaScriptとかWebGLとかCanvasとか
NeuralNetwork.NET：.NETで使えるTens...
adskShaderSDK
uvでWindows11のPython環境を管理する
Google XML Sitemap Generatorプラ...
WordPressプラグインの作り方
HD画質の無駄遣い
Windows10でPyTorchをインストールしてVSCo...
Twitter APIのPythonラッパー『python-...
OpenCVで顔のランドマークを検出する『Facemark ...
TeleSculptor：空撮動画からPhotogramme...
UnityのMonoBehaviourクラスをシングルトン化...
ZBrushのZScript入門
Google App Engineのデプロイ失敗
SONYの自律型エンタテインメントロボット『aibo』
PyDataTokyo主催のDeep Learning勉強会
ZBrushで作った3Dモデルを立体視で確認できるVRアプリ...
Unityで学ぶC#
Python.NET：Pythonと.NETを連携させるパッ...
html5のcanvasの可能性
コメント