<스파르타2주차> 웹스크래핑(크롤링) 연습하기

네이버 영화 랭킹 페이지를 웹스크래핑(크롤링) 해보았습니다.

※ beautifulsoup4 패키지 추가 설치가 필요합니다! (패키지 검색명 : bs4) ※

위의 네이퍼 영화 랭킹 페이지를 크롤링하여 아래와 같은 결과값으로 뽑아내보았습니다.

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.nhn?sel=pnt&date=20200303',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)
#############################

👉 태그 안의 텍스트를 찍고 싶을 땐 → 태그.text 👉 태그 안의 속성을 찍고 싶을 땐 → 태그['속성']

네이버 영화 랭킹 페이지 웹스크래핑(크롤링) 하기

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.nhn?sel=pnt&date=20200303',headers=headers)

# HTML을 BeautifulSoup이라는 라이브러리를 활용해 검색하기 용이한 상태로 만듦
soup = BeautifulSoup(data.text, 'html.parser')

# select를 이용해서, tr들을 불러오기
trs = soup.select('#old_content > table > tbody > tr')

# tr들 의 반복문을 돌리기
for tr in trs:
    # tr 안에 a 가 있으면,
    a_tag = tr.select_one('td.title > div > a')
    if a_tag is not None:
        rank = tr.select_one('td:nth-child(1) > img')['alt'] → # img 태그의 alt 속성값을 가져오기
        title = a_tag.text                                   → # a 태그 사이의 텍스트를 가져오기
        star = tr.select_one('td.point').text                → # td 태그 사이의 텍스트를 가져오기
        print(rank, title, star)