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')
beautifulsoup라이브러리를 사용한다.
url을 통해 HTML을 get해오고 soup을 통해 데이터를 받아온다.
movies = soup.select('#old_content > table > tbody > tr')
이런식으로 사용하면 HTML의 구조 안에 있는 정보를 받아와 사용할 수 있게된다.
select를 하는 방식은 다양하다.
# 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')
태그명은 말 그대로 태그다. a / div / img등의 태그를 입력하면 된다.
클래스 명은 설정해둔 클래스의 이름이다. class="name"이라고 해놓으면 .name이라고 입력하면 된다.
아이디명은 설정한 아이디이다. id="name"이라고 하면 #name을 넣는다. 중복 안된다.
상위 태그와 하위태그는 간단하다. 위에 올려놓은 예제처럼
<div id="old_content">상위 컴포넌트
<table>
<tbody>
<tr></tr>
</tbody>
</table>
</div>
이런식으로 이루어있자면 바깥쪽이 있을 수록 상위 컴포넌트 안쪽으로 갈 수록 하위컴포넌트라고 말한다.
이렇게 영화 평점 사이트에서 번호와 영화이름 평점을 가져와봤다.
바로 strip()인데, 크롤링을 하다보면 원치않게 띄어쓰기를 마주할 때가 있다. 그럼 이렇게 말끔하게 정리되지 않고 가독성이 떨어지게 된다. 이 때, strip()을 쓰게 되면 이 띄어쓰기를 없앨 수 있다.
짜란.
from pymongo import MongoClient # pymongo를 임포트 하기(패키지 인스톨 먼저 해야겠죠?)
client = MongoClient('localhost', 27017) # mongoDB는 27017 포트로 돌아갑니다.
db = client.dbsparta # 'dbsparta'라는 이름의 db를 만듭니다.
# 저장 - 예시
doc = {'name':'bobby','age':21}
db.users.insert_one(doc)
# 한 개 찾기 - 예시
user = db.users.find_one({'name':'bobby'})
# 여러개 찾기 - 예시 ( _id 값은 제외하고 출력)
same_ages = list(db.users.find({'age':21},{'_id':False}))
# 바꾸기 - 예시
db.users.update_one({'name':'bobby'},{'$set':{'age':19}})
# 지우기 - 예시
db.users.delete_one({'name':'bobby'})
이렇게 네 개만 알아두면 일단 DB는 쉽게 사용 가능하다.
설명을 해보자면
db.users.insert_one(doc)
users는 내가 설정한 db의 이름이다.
위에서 실행한 크롤링의 실습을 통해 DB에 저장해보았다.
잘 뜨는 것을 확인할 수 있다.