python bs4

2022.04.28

 

크롤링이란 브라우저에서 내가 원하는 데이터를 requests로 가져오고

bs4으로 원하는 데이터를 솎아내는 것을 의미

 

근데 지금 내가하는건 크로링 보다는 스크롤링에 가깝다고 보면 됨

 

패키지니까 requests처럼 설치후 임포트 하여 사용

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')

# soup에 브라우저의 html데이터가 다 들어감
print(soup)

url에서 영화 제목을 가져온다고 하면

bs4의 select 함수를 이용 한다

그전에 브라우저에서 원하는 데이터를 select 복사 하여

경로를 확인하고

# 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')

영화 제목은 #old_content > table > tbody > tr:nth-child(2) > td.title > div > a 의 text 이고

제목들은 #old_content > table > tbody > tr 로 공통된 부모태그가 있는 것을 확인

그럼 movies = soup.select('#old_content > table > tbody > tr') 변수를 만들고 반복문을 돌려서 

반복문을 도는 변수에 td.title > div > a 가 있으면 text를 찍으면 영화 제목을 크롤링 할 수 있게 됨

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
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:
    	num = movie.select_one("td:nth-child(1) > img")["alt"]
        title = a_tag.text
        point = movie.select_one("td.point").text
        print(num, title, point)
        
        
# 랭크
#old_content > table > tbody > tr:nth-child(2) > td:nth-child(1) > img
#old_content > table > tbody > tr:nth-child(3) > td:nth-child(1) > img
# 평점
#old_content > table > tbody > tr:nth-child(2) > td.point
#old_content > table > tbody > tr:nth-child(3) > td.point

조건문은 중간 공백으로 인해 .text를 찍을 수 없기에 None이 아닌 a태그의 text만 프린트 한다