投稿

【転職】就職・仕事探し！DOMO NETから求人情報をスクレイピング

イメージ
  DOMO NETとは？ 求人情報誌DOMOのインターネット版DOMO!Netは、日本の求人情報サイトの1つで、多くの求人情報を掲載しています。職業別や地域別の求人情報の検索ができる他、企業研究や転職のノウハウ、業界情報の提供も行っています。求人情報だけでなく、転職者向けのイベント情報も掲載されており、転職活動を支援する総合的な求人情報サイトとして知られています。 スクレイピングツールの概要 ScrapeStorm は、プログラミングが不要で使いやすい人工知能を搭載した Webスクレイピングツール です。他のツール（Firecrawl、Apifyなど）と異なり、極限の零コード体験と、1-Clickで99％の Webスクレイピング を満たします。データをすぐに現場やシステムに落とせる機能を特徴とします。ローカルでの豊富な機能生態系により、カスタマイズが簡単で、大規模な データ収集 にもコスト効率よく対応可能です。手動での抽出作業に時間を取られたくない、効率よく データを取得 したいというニーズにお応えする、最適な選択肢です。 抽出されたデータをご覧ください。 1.タスクを新規作成する 今回は、ページボタンを識別しなく、複数のURLを生成して、ページを巡る方法を紹介します。 (1)URLをコピーする 目標URLの主幹をコピーしてください。 (2)パラメータを追加する URLジェネレータでURLを入力して、パラメーターを追加画面にページ数を入力します。今回は1から10までです。「カスタマイズ」に条件を代表するパラメータを入力します。生成したURLはプレビュー画面でチェックしてください。 2.タスクを構成する (1)AIで認識 ScrapeStormはリスト要素やページボタンを自動的に識別するAI認識機能が内蔵されています。もし識別誤差が発生する時、手動でページボタンを選択してください。下記のチュートリアルも参照してください。 ページ分けの設定方法 (2)詳細ページに行く ソフトウェアの「詳細ページに行く」機能を利用し、休日休暇、資格、待遇などの情報を抽出します。 (3)フィールドの追加と編集 「フィールドを追加」ボタンをクリックして、画面に必要な要素を選択、データが自動的に抽出されます。また、必要に応じてフィールドの名前の変更または削除、結合できます。 フィール...
コメントを投稿
続きを読む

日本の賃貸住宅には、なぜ家具も照明もないのか

イメージ
  不動産データを集めながら考えた「空室」の正体 ScrapeStormで不動産データを集めていて、少し驚いたことがある。 日本の賃貸住宅には、家具がほとんど付いていない部屋が多い。ベッドも、テーブルも、収納家具もない。物件によっては、部屋の天井に照明器具すら設置されていない。 正確には、照明を取り付けるためのソケットだけがあり、入居者が自分で照明器具を用意する形式だ。キッチンや浴室の設備は整っていても、居室の明かりは入居者の責任になる。 初めて部屋を借りる人にとって、これは意外に大きな負担だと思う。 契約が終わり、鍵を受け取って部屋に入る。そこには床と壁と窓がある。けれど、夜になっても明かりがない。カーテンも、寝具も、冷蔵庫もない。住み始めるというより、まず生活の道具を搬入するところから始まる。 「何もない」は、自由なのか 日本の賃貸住宅が家具なしで提供される理由はいくつかある。 入居者が自分の家具を持っていること。家具付きにすると、家賃や管理費が上がること。前の住人の家具を維持・交換する手間が発生すること。そして、部屋を長く使う人ほど、自分の好みに合わせて生活空間をつくりたいと考えることだ。 確かに、家具がないことには自由がある。 大きなベッドを置くこともできるし、床に座る生活もできる。仕事用の机を置くか、食事用のテーブルを置くかも、住む人が決められる。家具を固定しないことで、住む人の生活に合わせて空間を変えられる。 しかし、その自由は、何も持っていない人にも同じように働くわけではない。 家具を買う費用が必要になる。サイズを測り、配送日を調整し、組み立てなければならない。照明器具を選び、カーテンの幅を測り、冷蔵庫や洗濯機の設置場所を確認する。 「自由に使える部屋」は、見方を変えれば、「住める状態まで自分で整えなければならない部屋」でもある。 照明がないことの違和感 家具がないことは、まだ理解しやすい。 住む人によって必要なものが違うからだ。ソファが必要な人もいれば、床で生活する人もいる。ベッドを使わない人もいる。 けれど、照明はもう少し基本的な設備に思える。 部屋に電源があり、照明用の接続口もある。それでも器具は設置されていない。これは、日本では入居者が照明を持ち込むことが長く一般的だったからだろう。 この方式は、住宅を簡単に空室へ戻せるという点では合理...
コメントを投稿
続きを読む

地震・豪雨に強い住まいをAIで考える：これからの日本の防災建築

イメージ
  災害に強い家を考えるとき、最初に思い浮かぶのは耐震等級や防水性能かもしれません。 もちろん、それらは重要です。 しかし、実際の災害を経験すると、「建物が倒れなかったか」だけでは住まいの強さを測れないことに気づきます。 停電しても生活できるか。 断水したときにトイレを使えるか。 高齢者や子どもが安全に移動できるか。 道路が通れないとき、物資を受け取れるか。 浸水後に、どれくらい早く暮らしを立て直せるか。 私は、防災建築を「壊れにくい建物をつくること」だけでなく、「暮らしの復旧時間を短くすること」だと考えています。 AIは、そのための検討を広げる道具になりつつあります。 ただし、AIが防災性能を決めてくれるわけではありません。 AIにできるのは、地域の条件や暮らし方の違いを整理し、いくつもの可能性を比較しやすくすることです。 日本の災害は、一つの対策では終わらない 日本の住まいは、地震だけに備えればよいわけではありません。 強い揺れの後に大雨が降ることもあります。台風による高潮、河川の氾濫、内水氾濫、土砂災害、長期停電が同じ地域で起きる可能性もあります。 さらに、災害の影響は建物の外からだけ来るわけではありません。 エレベーターが止まる。 給水ポンプが動かない。 受電設備が浸水する。 道路が使えず、修理部品が届かない。 通信が不安定になり、家族と連絡が取れない。 耐震性の高い建物でも、地下の電気設備が浸水すれば生活は止まります。 逆に、建物に多少の損傷があっても、電気、水、トイレ、避難経路が確保されていれば、住み続けられる可能性は高まります。 防災建築では、構造だけでなく、設備、地盤、周辺道路、近隣との関係まで一緒に考える必要があります。 AIに最初に渡すべきものは、建物の形ではない AIを使うと、短時間でさまざまな外観や間取りをつくれます。 高床式の住宅。 屋上に避難できる家。 雨水を一時的に受け止める庭。 停電時にも使える共用スペース。 地域の避難拠点になる集合住宅。 こうしたイメージを並べることは、議論の入口として有効です。 しかし、いきなり「強そうな家」を生成させると、見た目だけの防災になりがちです。 私は、AIに建物の形を考えさせる前に、地域と暮らしの条件を整理します。 敷地は浸水想定区域にあるのか。 前面道路は避難経路になるのか。 高低差はどの程...
コメントを投稿
続きを読む

ヘアサロン！hotpepper.beautyからお店のクチコミをスクレイピング

イメージ
  ホットペッパービューティーとは？ ホットペッパービューティーとは、日本最大級ののヘアサロン ・リラク＆ビューティーサロン検索・予約の美容・キレイ総合情報サイトです。スタイル、ブログ、口コミをチェックして、気になるサロンへ24時間いつでもネット予約ができます。 スクレイピングツールの概要 ScrapeStorm とは、強い機能を持つ、プログラミングが必要なく、使いやすく人工知能 Webスクレイピングツール です。違う基盤のユーザーに二つの スクレイピング モードを提供し、1-Clickで99％の Webスクレイピング を満たします。 ScrapeStorm により、大量のWebデータを素早く正確的に取得できます。手動で データ抽出 が直面するさまざまな問題を完全に解決し、 情報取得 のコストを削減し、作業効率を向上させます。 抽出されたデータは下記のようにご覧ください 1.タスクを新規作成する (1)URLをコピーする 今回はある大人気のヘアサロンの口コミページを例として、スクレイピング方法を紹介します。まず、URLをコピーしてください。 (2)スマートモードタスクを新規作成する ScrapeStormのホームページ画面にスマートモードタスクを新規作成します。また、持っているタスクをインポートすることもできます。 詳細には下記のチュートリアルをご参照ください。 スマートモードタスクの新規作成方法 2.タスクを構成する (1)ページボタン ScrapeStormは自動的にリスト要素とページボタンを識別できます。もし識別誤差が発生する時、手動でページボタンを選択してください。下記のチュートリアルも参照してください。 ページ分けの設定方法 (2)フィールドの追加と編集 「フィールドを追加」ボタンをクリックして、画面に必要な要素を選択、データが自動的に抽出されます。また、必要に応じてフィールドの名前の変更または削除、結合できます。 フィールドの設定の詳細には下記のチュートリアルをご参照ください。 抽出されたフィールドを配置する方法 3.タスクの設定と起動 (1)起動の設定 必要に応じて、スケジュール、アンチブロック、自動エクスポート、写真のダウンロード、スピードブーストを設定できます。 スクレイピングタスクを配置する方法については、下記のチュートリアルをご参照くだ...
コメントを投稿
続きを読む

古本・書籍！ネットオフからコミックの情報をスクレイピング

イメージ
  ネットオフとは？ ネットオフは在庫点数100万点、常時40万タイトルの充実した品揃えを誇る、日本最大級のネット中古書店です。中古はもちろんのこと、ＣＤ、ＤＶＤ、ゲームソフトの新品も取り揃えます。スペシャルプライスで、おトクにショッピングできます。 スクレイピングツールの概要 ScrapeStorm は、プログラミングが不要で使いやすい人工知能を搭載した Webスクレイピングツール です。他のツール（Firecrawl、Apifyなど）と異なり、極限の零コード体験と、1-Clickで99％の Webスクレイピング を満たします。データをすぐに現場やシステムに落とせる機能を特徴とします。ローカルでの豊富な機能生態系により、カスタマイズが簡単で、大規模な データ収集 にもコスト効率よく対応可能です。手動での抽出作業に時間を取られたくない、効率よく データを取得 したいというニーズにお応えする、最適な選択肢です。 抽出されたデータをご覧ください。 1.タスクを新規作成する (1)URLをコピーする 今回は「青年コミック」の激安商品一覧ページから商品の情報を収得し、そのスクレイピング方法を紹介します。まず、URLをコピーしてください。 (2)スマートモードタスクを新規作成する ScrapeStormのホームページ画面にスマートモードタスクを新規作成します。また、持っているタスクをインポートすることもできます。 詳細には下記のチュートリアルをご参照ください。 スマートモードタスクの新規作成方法 2.タスクを構成する (1)AIで認識 ScrapeStormはリスト要素やページボタンを自動的に識別するAI認識機能が内蔵されています。もし識別誤差が発生する時、手動でページボタンを選択してください。下記のチュートリアルも参照してください。 ページ分けの設定方法 (2)詳細ページに行く ソフトウェアの「詳細ページに行く」機能を利用し、ISBNコード、出版社などの情報を抽出します。 (3)フィールドの追加と編集 「フィールドを追加」ボタンをクリックして、画面に必要な要素を選択、データが自動的に抽出されます。また、必要に応じてフィールドの名前の変更または削除、結合できます。 フィールドの設定の詳細には下記のチュートリアルをご参照ください。 抽出されたフィールドを配置する方法 3...
コメントを投稿
続きを読む

省エネ支援策の最新情報から考える、AIで見える化する脱炭素住宅

イメージ
  まず、支援策を「使える条件」で読む 電気代の明細を見ていると、家の性能を数字で知りたくなる。私は最近、国の省エネ住宅支援策を調べながら、自宅を小さな実験場にしている。2025年度の「子育てグリーン住宅支援事業」では、新築の高い省エネ性能や、既存住宅の窓・給湯器の改修が支援対象になった。2026年度分も制度ごとに公表時期や受付状況が異なるため、制度名、着工時期、世帯要件、予算の残りを必ず最新情報で確認したい。まず公式サイトで最新の公募要領と受付状況を確認し、登録事業者を通して申請する。この順番を飛ばすと、工事が終わってから対象外に気づくことがある。 補助金だけでなく、性能の「見える化」を見る 支援策の説明でよく出てくるのが、断熱等性能等級、一次エネルギー消費量、太陽光発電の有無だ。数字は少し堅いけれど、暮らしに置き換えると分かりやすい。冬の朝にエアコンが何分で効くか、給湯にどれだけ電気を使うか、発電した電気を昼に使い切れるか。私は月ごとの使用量をスプレッドシートに入れ、天気と在宅時間も一緒に記録している。それだけで、設備のカタログ値と実際の生活の差が見えてくる。 ただし、AIやシミュレーションの数字は予測だ。気象データの解像度、隣家の影、家族の生活時間が少し違うだけで結果は動く。私は結果を一つの正解として扱わず、日射が多い日、曇りの日、冬の夕方というように条件を変えて比べる。予測の幅を見ておけば、設備を大きくしすぎる失敗も、必要な容量を削りすぎる失敗も避けやすい。  AIに地図を渡すと、家の課題が具体化する ここで試したのが、地図上で範囲を選び、AIに建物モデルを作らせるShapezoの流れだ。私は自宅周辺を選択し、航空写真や標高、道路、屋根の向きを重ねてみた。すると、同じ町内でも日陰になる屋根、風が抜ける区画、雨水が集まりやすい低地が一つの画面で把握できる。モデルは設計図の代わりではないが、現地調査の前に「どこを測るか」を決める下書きとして役立つ。 AIには、断熱改修、太陽光、蓄電池、ヒートポンプ給湯器を入れた場合の複数案を作らせた。結果をそのまま信じず、窓の実測値、分電盤の容量、自治体の景観ルールで確認する。AIの役割は答えを出すことより、家族と業者が同じ絵を見ながら話せる状態を早く作ることだと思う。 家族会議では、節電量だけでなく、音、メン...
コメントを投稿
続きを読む

AIで遊ぼう：地図から始めるAI建模を試してみた

イメージ
  AIで建物や街のモデルを作る、と聞くと、最初は少し難しそうに感じるかもしれません。私も以前は、先に細かい寸法を決めて、ソフトを開いて、ゼロから形を作るものだと思っていました。でも最近は、まず地図を見て、場所を選び、AIにたたき台を作ってもらう方が、考えを進めやすい場面があると感じています。 今回は「AIで遊ぼう」という気持ちで、地図から始めるAI建模を試しました。目的は完成品を作ることではありません。AIがどこまで場所の雰囲気をつかめるのか、どこから先は自分で確認する必要があるのかを、できるだけ気軽に見てみることです。  まずは地図の上で範囲を選ぶ 今回使ったShapezoの流れはシンプルです。地図を開き、気になるエリアを四角形やポリゴンで囲みます。すると、その範囲をもとにAIが建物や道路、地形などを含むモデルを生成します。 この順番が面白いと思いました。普通のモデリングでは、空の画面に最初の線を引くまでが意外と重いものです。地図から始めると、すでに場所の情報があり、周辺との関係を見ながらスタートできます。住宅地の一角、川沿いの空き地、駅の近くの再開発エリアなど、選ぶ場所によって最初から話が変わります。 もちろん、AIが返すモデルは測量図でも施工図でもありません。ここでは、考えるための最初の形として扱うのがちょうどよいと思います。  小さな実験をしてみた 私は川沿いの住宅地と、道路に面した空き地を含む範囲を選びました。最初に期待したのは、建物の数や道路の位置を完璧に当てることではなく、街のまとまり方をつかむことです。 生成されたモデルを見ると、建物の高さの違い、道路の抜け、緑地のまとまりが一度に見えました。紙の地図だけでは気づきにくかった「この場所はどこに向かって開いているか」という感覚も、3Dにすると考えやすくなります。 次に、同じ範囲を少し広げて生成しました。周囲の道路や川が入るだけで、建物単体の印象が変わります。敷地だけを見ていると良さそうでも、少し引いて見るとアクセスが弱い、視界が遮られる、緑地が分断されている、といった点が出てきます。AIモデルを何度か作り直すことで、最初から一つの案に固まりすぎずに済みました。 AIが得意だったこと 今回、AIが特に役立ったのは、情報がまだ曖昧な段階での比較でした。細部を決める前に、複数の場...
コメントを投稿
続きを読む