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
クラスの基本
Google XML Sitemap Generatorプラ...
Swark：コードからアーキテクチャ図を作成できるVSCod...
Unityの薄い本
Javaで作られたオープンソースの3DCGレンダラ『Sunf...
Cartographer：オープンソースのSLAMライブラリ
機械学習で遊ぶ
PythonでMayaのShapeノードプラグインを作る
Google Colaboratoryで遊ぶ準備
WordPress on Windows Azure
FCN (Fully Convolutional Netwo...
書籍『ゼロから作るDeep Learning』で自分なりに学...
ブログの復旧が難航してた話
仮想関数
trimesh：PythonでポリゴンMeshを扱うライブラ...
Unityで学ぶC#
PythonでBlenderのAdd-on開発
ROMOハッカソンに行ってきた
Quartus II
オープンソースの物理ベースレンダラ『Mitsuba』をMay...
プログラムによる景観の自動生成
OANDAのfxTrade API
BGSLibrary：OpenCVベースの背景差分ライブラリ
TeleSculptor：空撮動画からPhotogramme...
Google App EngineでWordPress
Point Cloud Utils：Pythonで3D点群・...
Raspberry PiでIoTごっこ
フォトンの放射から格納までを可視化した動画
konashiのサンプルコードを動かしてみた
uvでWindows11のPython環境を管理する
Unreal Engineの薄い本
Mean Stack開発の最初の一歩
Raspberry PiのGPIOを操作するPythonライ...
SVM (Support Vector Machine)
まだ続くブログの不調
bpy-renderer：レンダリング用Pythonパッケー...
ブログをGoogle App EngineからAmazon ...
Python.NET：Pythonと.NETを連携させるパッ...
Google App Engineのデプロイ失敗
3Dモデルを立体視で確認できるVRアプリを作っている
WordPress on Google App Engine...
hloc：SuperGlueで精度を向上させたSfM・Vis...
コメント