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
WordPressプラグインによるサイトマップの自動生成
OpenCVの顔検出過程を可視化した動画
機械学習に役立つPythonライブラリ一覧
Unreal Engineの薄い本
Pythonの自然言語処理ライブラリ『NLTK(Natura...
Multi-View Environment：複数画像から3...
Raspberry PiでIoTごっこ
IronPythonを使ってUnity上でPythonのコー...
TensorSpace.js：ニューラルネットワークの構造を...
Unity ARKitプラグインサンプルのドキュメントを読む
UnityのTransformクラスについて調べてみた
WordPressのテーマを自作する
html5のcanvasの可能性
Deep Fluids：流体シミュレーションをディープラーニ...
MPFB2：Blenderの人体モデリングアドオン
ManimML：機械学習の概念を視覚的に説明するためのライブ...
Google XML Sitemap Generatorプラ...
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
PyDataTokyo主催のDeep Learning勉強会
Mitsuba 2：オープンソースの物理ベースレンダラ
konashiのサンプルコードを動かしてみた
OpenMVS：Multi-View Stereoによる3次...
C++の抽象クラス
uvでWindows11のPython環境を管理する
Google App Engine上のWordPressでF...
組み込み向けのWindows OS 『Windows Emb...
Google App EngineでWordPress
OpenCVでiPhone6sのカメラをキャリブレーションす...
GoB：ZBrushとBlenderを連携させるアドオン
サンプルコードにも間違いはある？
OpenCV 3.1のsfmモジュールを試す
AmazonEC2のインスタンスをt1.microからt2....
OpenCV 3.3.0 contribのsfmモジュールの...
ポリゴンジオメトリ処理ライブラリ『pmp-library (...
PyMC：Pythonのベイズ統計ライブラリ
Iterator
ManuelBastioniLAB：人体モデリングできるBl...
OpenVDB：3Dボリュームデータ処理ライブラリ
Google Colaboratoryで遊ぶ準備
Rerun：マルチモーダルデータの可視化アプリとSDK
続・ディープラーニングの資料
第1回 3D勉強会＠関東『SLAMチュートリアル大会』
コメント