웹개발 종합반 3주차 (3-6) :웹스크래핑(크롤링) 기초

영화 제목 웹스크래핑.

네이버 영화 

 

1. bs4 설치

interpreter에서 bs4 검색해서 설치.

 

*about beautifulsoup4 

 

2. 크롤링 기본 세팅

 

import requests

from bs4 import BeautifulSoup

 

headers = {'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'}

data = requests.get('https://movie.naver.com/movie/sdb/rank/rmovie.nhn?sel=pnt&date=20200303',headers=headers)

 

soup = BeautifulSoup(data.text, 'html.parser')

import requests
from bs4 import BeautifulSoup

headers = {'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'}
data = requests.get('https://movie.naver.com/movie/sdb/rank/rmovie.nhn?sel=pnt&date=20200303',headers=headers)

soup = BeautifulSoup(data.text, 'html.parser')

타겟 URL을 읽어서 HTML 받아오고

HTML을 BeautifulSoup이라는 라이브러리로 검색 용이한 상태로 만듦

soup이라는 변수에 "파싱 용이해진 html"이 담긴 상태가 됨.

세팅이 끝나면 아래에 코드 입력해서 필요한 부분 추출.

 

*파싱: 어떤 페이지(문서, html 등)에서 원하는 데이터를 특정 패턴이나 순서로 추출해 가공하는 것.

 

---

3. select / select_one의 사용법

* 태그 안의 텍스트를 찍고 싶을 땐 → 태그.text

* 태그 안의 속성을 찍고 싶을 땐 → 태그['속성']

 

import requests
from bs4 import BeautifulSoup

# URL 읽어서 HTML를 받아오고,
headers = {'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'}
data = requests.get('https://movie.naver.com/movie/sdb/rank/rmovie.nhn?sel=pnt&date=20200303',headers=headers)

# HTML을 BeautifulSoup이라는 라이브러리로 검색 용이한 상태로 만듦
soup = BeautifulSoup(data.text, 'html.parser')

# select 이용해서, tr들 불러오기
movies = soup.select('#old_content > table > tbody > tr')

# movies (tr들) 의 반복문 돌리기
for movie in movies:
    # movie 안에 a 가 있으면,
    a_tag = movie.select_one('td.title > div > a')
    if a_tag is not None:
        # a의 text를 찍어본다.
        print (a_tag.text)

* beautifulsoup 의 select 문법

(기본적으로 미리 정의되어 있는)

# 선택자를 사용하는 방법 (copy selector)
soup.select('태그명')
soup.select('.클래스명')
soup.select('#아이디명')

soup.select('상위태그명 > 하위태그명 > 하위태그명')
soup.select('상위태그명.클래스명 > 하위태그명.클래스명')

# 태그와 속성값으로 찾는 방법
soup.select('태그명[속성="값"]')

# 한 개만 가져오고 싶은 경우
soup.select_one('위와 동일')

 

항상 정확하지는 않으나,

*크롬 개발자도구 로 선택자 복사 가능

 

검사원하는 태그에 마우스 우클릭,

Copy - Copy selector