Web画面では「矢印」に見える情報が、HTMLの中ではソフトが読める識別子として残っている。
HTMLは単なる英字の羅列ではない。人が見る画面を、分析できるデータへ変える入口である。
📱 スマホで読めます 💻 PC推奨
この記事はスマホでも読める。ただし、実際にフォルダを開く、HTMLをメモ帳で確認する、画面表示とコードを比較するといった作業はPCで行う方が分かりやすい。
ここでは、私のPCに保存してある競艇のRaw HTMLを例に、「何が保存されているのか」「画面の裏側に何があるのか」を確認する。
HTMLフォルダは競艇データの資料室である
次の画像は、私のPCに保存してある2020年・桐生の直前情報HTMLである。
このフォルダには、2020年の桐生で取得した直前情報HTMLが、1レースにつき1ファイルの形で保存されている。ファイル数は2,256個である。
開催されたレースだけでなく、中止レースも含めて、その年の直前情報を確認できる。
重要なのは件数より保存ルールである
2,256個という数そのものより重要なのは、あとから一つのレースを特定できる状態になっていることである。
- 日付
- 会場コード
- レース番号
- 出走表・直前情報・結果・オッズなどのデータ種別
これらを同じ規則でファイル名に含めれば、数年後に見ても「どのレースの、何のデータか」を判断できる。
データは、集めただけでは使えない。探せる、結びつけられる、検証できる状態にして初めて、データベースの材料になる。
HTMLをテキストで開く
HTMLファイルをメモ帳などのテキストエディターで開くと、普段見るWeb画面とはまったく違う表示になる。
英字、記号、タグが大量に並び、初めて見たときは「これを全部理解しなければならないのか」と感じるかもしれない。
しかし、全部を読む必要はない。必要なのは、欲しい情報がどこにあり、画面上の表示とどう対応しているかを見つけることである。
人には矢印、ソフトには識別子
画面表示とHTMLの違いが分かりやすい例が、風向きである。
Web画面では、風向きは矢印の画像として表示される。人が見るだけなら、矢印で十分に理解できる。
しかし、競艇ソフトで分析する場合、画像のままでは計算に使いにくい。
- 何度の風向きか
- 追い風か、向かい風か
- 横風成分がどれくらいあるか
このような分析には、風向きを文字や数値へ変換する必要がある。
is-wind02が意味すること
HTMLの中を見ると、風向きは見た目だけで管理されているわけではない。たとえば、is-wind02のような識別子として存在する。
人には矢印として見える。
コンピューターには識別子として取り出せる。
is-wind01はこの方向、is-wind02はこの方向という対応表を作れば、画面上の矢印を分析可能なデータへ変換できる。
同じ考え方で、天候、風速、水温、波高、気温なども、HTMLの中から必要な部品を探して取り出す。
HTMLは画面の裏側にある部品箱である
Web画面では、複数の情報が人に読みやすい形へ整えられている。一方、HTMLの中では、それぞれが部品として分かれて存在する。
その部品を取り出し、レースIDを付け、Excelやデータベースへ並べ直す。これが競艇ソフト制作におけるデータ化である。
HTMLを全部理解する必要はない
私自身も、HTMLを隅々まで読めるわけではない。「おぼろげながら構造が分かる」という程度でも、競艇ソフトは作れる。
必要なのは、HTMLの専門家になることではない。
- どのデータが必要か
- 画面上の何と対応しているか
- どの形で保存すれば分析しやすいか
- 正しく取得できたことをどう検証するか
この4点を人間が決めれば、細かなHTML構造の調査や読み取りコードの作成はAIに手伝ってもらえる。
AIにHTMLを調べてもらうときの伝え方
AIへHTML全体を渡して「何か作って」と頼むより、目的を具体的に伝える方がよい。
- 画面上で取り出したい項目を伝える
- その項目が表示されているHTMLを示す
- 保存したい形式を伝える
- 取得結果を元画面と照合する
AIは構造を探す作業を助けてくれる。しかし、何を集め、何を正しいと判断するかは人間側の仕事である。
PCで試すときの確認手順
実際に確認するときは、いきなり大量のファイルを扱わない。まず1レース分でよい。
- 保存したHTMLファイルを複製し、原本を残す
- 複製したファイルをメモ帳などで開く
- 画面で分かる特徴的な文字や識別子を検索する
- 見つけた記述と画面表示を照合する
- 取り出した値を手作業でも確認する
HTMLは、ただの英字のコードではない。
人が見る画面と、ソフトが使うデータが出会う場所である。画面の裏側を一度確認すると、競艇データの見え方は大きく変わる。
コメント