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
PythonでMayaのShapeノードプラグインを作る
続・ディープラーニングの資料
libigl：軽量なジオメトリ処理ライブラリ
UnityでOpenCVを使うには？
Iterator
Point Cloud Utils：Pythonで3D点群・...
ブログのデザイン変えました
まだ続くブログの不調
MB-Lab：Blenderの人体モデリングアドオン
為替レートの読み方 2WAYプライス表示
Kubric：機械学習用アノテーション付き動画生成パイプライ...
Super Resolution：OpenCVの超解像処理モ...
html5のcanvasの可能性
UnityのMonoBehaviourクラスをシングルトン化...
OpenGVのライブラリ構成
Math.NET Numerics：Unityで使える数値計...
PGGAN：段階的に解像度を上げて学習を進めるGAN
Python for Unity：UnityEditorでP...
HerokuでMEAN stack
ドットインストールのWordPress入門レッスン
python-twitterで自分のお気に入りを取得する
UnityでLight Shaftを表現する
C++始めようと思うんだ
Pythonの自然言語処理ライブラリ『NLTK(Natura...
iOSデバイスと接続して連携するガジェットの開発方法
OpenMVS：Multi-View Stereoによる3次...
Python.NET：Pythonと.NETを連携させるパッ...
Google App EngineでWordPress
Cartographer：オープンソースのSLAMライブラリ
Python2とPython3
OpenSfM：PythonのStructure from ...
Kornia：微分可能なコンピュータービジョンライブラリ
OpenAR：OpenCVベースのマーカーARライブラリ
Unity ARKitプラグインサンプルのチュートリアルを読...
Blendify：コンピュータービジョン向けBlenderラ...
Google App Engine上のWordPressでF...
Amazon Web ServicesでWordPress
WordPressのサーバ引っ越し方法を考える
WordPressの表示を高速化する
Mayaのプラグイン開発
UnityでARKit2.0
Model View Controller
コメント