어떤 걸 스크래핑 할 건지?
패키지 추가 설치하기 : bs4 (beautifulsoap4)
크롤링을 하려면 2가지 일을 해야 되는데 첫번째는 요청해서 해당 html을 가져오는거(그거는 request 라이브러리로 해결), 두번째는 그 안에서 영화 제목을 찾는 거(이게 bs4가 도와줄 부분)
크롤링 기본 세팅
import requests
from bs4 import BeautifulSoup
# 타겟 URL을 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.naver?sel=pnt&date=20210829',headers=headers)
# HTML을 BeautifulSoup이라는 라이브러리를 활용해 검색하기 용이한 상태로 만듦
# soup이라는 변수에 "파싱 용이해진 html"이 담긴 상태가 됨
# 이제 코딩을 통해 필요한 부분을 추출하면 된다.
soup = BeautifulSoup(data.text, 'html.parser')
#############################
# (입맛에 맞게 코딩)
#############################
headers는 우리가 코드에서 콜을 날리는데 그게 마치 우리가 브라우저에서 콜을 날린 것처럼, 사람인 것 처럼 해주려고 쓰는 것.
✔️url만 필요할 때마다 바꿔서 사용한다.
# 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')
그린북☘️ : #old_content > table > tbody > tr:nth-child(3) > td.title > div > a
가버나움👊 : #old_content > table > tbody > tr:nth-child(4) > td.title > div > a
아하! 둘의 Copy selector에서 어떤 부분은 같고 어디는 다르구나!
import requests
from bs4 import BeautifulSoup
# URL을 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.naver?sel=pnt&date=20210829',headers=headers)
# HTML을 BeautifulSoup이라는 라이브러리를 활용해 검색하기 용이한 상태로 만듦
soup = BeautifulSoup(data.text, 'html.parser')
# select를 이용해서, tr들을 불러오기
movies = soup.select('#old_content > table > tbody > tr')
# movies (tr들) 의 반복문을 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)
😘 아래와 같이 보이면 완성!
✍️ 바로 영상 보지 않고 혼자 해보기
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.naver?sel=pnt&date=20210829',headers=headers)
soup = BeautifulSoup(data.text, 'html.parser')
movies = soup.select('#old_content > table > tbody > tr')
for movie in movies :
rank = movie.select_one('img')
title = movie.select_one('td.title > div > a')
score = movie.select_one('td.point')
# 중간에 영화제목 구분선으로 '가로선'이 있어서 none으로 나오기 때문에 if문을 한번 거침
if rank != None :
print(rank['alt'], title.text,score.text)
위 코드 중에서 img로만 선택자 했는데 그거 보다는 rank = movie.select_one('td:nth-child(1) > img') 이렇게 하는게 더 정확한 것 같다.(Copy selector 사용)