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
R-CNN (Regions with CNN featur...
PyMC：Pythonのベイズ統計ライブラリ
Unreal Engineの薄い本
OpenFace：Deep Neural Networkによ...
UnityでTweenアニメーションを実装できる3種類の無料...
Live CV：インタラクティブにComputer Visi...
OpenCV3.3.0でsfmモジュールのビルドに成功！
ArUco：OpenCVベースのコンパクトなARライブラリ
AnacondaとTensorFlowをインストールしてVi...
動的なメモリの扱い
Kornia：微分可能なコンピュータービジョンライブラリ
UnityのMonoBehaviourクラスをシングルトン化...
ZBrushで作った3Dモデルを立体視で確認できるVRアプリ...
TensorSpace.js：ニューラルネットワークの構造を...
Faster R-CNN：ディープラーニングによる一般物体検...
Windows10でPyTorchをインストールしてVSCo...
Mayaのプラグイン開発
Mean Stack開発の最初の一歩
Unityで学ぶC#
網元AMIで作ったWordpressサイトのインスタンスをt...
タマムシっぽい質感
OpenCV バージョン4がリリースされた！
Unity MonoBehaviourクラスのオーバーライド...
SONY製のニューラルネットワークライブラリ『NNabla』
konashiのサンプルコードを動かしてみた
SVM (Support Vector Machine)
NeuralNetwork.NET：.NETで使えるTens...
Unityからkonashiをコントロールする
PGGAN：段階的に解像度を上げて学習を進めるGAN
GAN (Generative Adversarial Ne...
Caffe：読みやすくて高速なディープラーニングのフレームワ...
Raspberry Pi
株式会社ヘキサドライブの研究室ページ
『手を動かしながら学ぶエンジニアのためのデータサイエンス』ハ...
OpenSfM：PythonのStructure from ...
C++ 標準テンプレートライブラリ (STL)
Iterator
C++の抽象クラス
IronPythonを使ってUnity上でPythonのコー...
iPhone・iPod touchで動作する知育ロボット『R...
libigl：軽量なジオメトリ処理ライブラリ
OpenCVで動画の手ぶれ補正
コメント