Python Crawling (파이썬 크롤링) - ft. Mongodb

패키지(파이썬의 라이브러리 같은 것) 설치

1. request 설치 (파일>설정>프로젝트>인터프리터) 후 import

import requests # requests 라이브러리 설치 필요

r = requests.get(https://movie.naver.com/movie/sdb/rank/rmovie.naver?sel=pnt&date=20210829)
rjson = r.json()

2. beautifulsoup (위에서 가져온 html에서 제목을 쉽게 찾을 수 있게 해주는 패키지 bs4) 설치

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')

# 코딩 시작

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')

# 코딩 시작
#old_content > table > tbody > tr:nth-child(2) > td.title > div > a
#old_content > table > tbody > tr:nth-child(3) > td.title > div > a
#old_content > table > tbody > tr:nth-child(4) > td.title > div > a

# title = soup.select_one('#old_content > table > tbody > tr:nth-child(2) > td.title > div > a')
# print(title.text)
movies = soup.select('#old_content > table > tbody > tr')
for movie in movies:
    a=movie.select_one('td.title > div > a')
    if a is not None:
        print(a.text)

==> request로 Naver 영화 페이지 가져와서 BeautifulSoup으로 html 가져오고

영화 타이틀 부분에 대고 우클릭 '검사' 선택 > 코드 copy selector 해서 붙여넣으면 아래와 같이 됨

#old_content > table > tbody > tr:nth-child(2) > td.title > div > a
#old_content > table > tbody > tr:nth-child(3) > td.title > div > a
#old_content > table > tbody > tr:nth-child(4) > td.title > div > a

 위와 같이 print(a.text) 하면 영화 제목만 찍힘

 

아래: 영화 순위, 제목, 평점 크롤링

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')

# copy selector
# 순위
# old_content > table > tbody > tr:nth-child(2) > td:nth-child(1) > img
# 제목
# old_content > table > tbody > tr:nth-child(2) > td.title > div > a
# old_content > table > tbody > tr:nth-child(3) > td.title > div > a
# 평점
# old_content > table > tbody > tr:nth-child(2) > td.point

movies = soup.select('#old_content > table > tbody > tr')
for movie in movies:
    a = movie.select_one('td.title > div > a')
    if a is not None:
       title= a.text
       rank = movie.select_one('td:nth-child(1) > img')['alt']
       star_cnt = movie.select_one('td.point').text
       print(rank,title,star_cnt)

 

 

아래: 크롤링 해온 것 데이터베이스에 넣기

데이터 베이스 크게 두 종류

1) RDBMS(SQL) - ex. MS-SQL, My-SQL (정형화)

2)No-SQL - ex. MongoDB (딕셔너리 형태. flexible) - 시작하는 단계의 회사들이 씀

-요즘 트렌드는 DB를 컴에 설치하지 않고 클라우드 이용.(유저 몰리는 경우, 백업, 모니터링에 용이)

 

MongoDB 가입하고 아틀라스 컴퓨터를 하나 배정받고 거기 접속할 수 있는 아이디(디비 유저네임), 패스워드 만들기

 

파이썬으로 DB 접속해 보기

파이몽고, DNS파이썬 필요, 패키지 설치 후

from pymongo import MongoClient
client = MongoClient('mongodb+srv://dbUser:<password>@cluster0.7qlimrh.mongodb.net/?retryWrites=true&w=majority')
db = client.dbsparta

위 URL 자리에 몽고디비 홈피에서 Connet to Cluster 할 때 "Add your connection string into your application code" 라며 나오는 스트링 복붙. dbUser:<password>는 본인 걸로 바꾸고, ? 앞에 Cluster0 이라고 클러스터 이름 넣어주고

 

몽고디비 코드 요약

from pymongo import MongoClient
client = MongoClient('mongodb+srv://dbUser:!a369258@cluster0.7qlimrh.mongodb.net/Cluster0?retryWrites=true&w=majority')
db = client.dbsparta

# 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)
all_users = list(db.users.find({},{'_id':False}))

# 바꾸기 - 예시
db.users.update_one({'name':'bobby'},{'$set':{'age':19}})

# 지우기 - 예시
db.users.delete_one({'name':'bobby'})

맨위 세 줄을 영화 제목 가져오는 파이썬 파일에 복붙 (import) 후 

변수들로 딕셔너리 만들어 디비에 인써트

doc={
    'title':title,
    'rank': rank,
    'star_cnt':star_cnt
}
db.movies.insert_one(doc)

 

크롤링 과제: 지니뮤직 차트에서 1~50위 곡의 순위, 제목, 가수명 가져오기

- 제목 앞에 19금 아이콘이 있는 경우 정렬이 흐트러져서 if문으로 해결

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://www.genie.co.kr/chart/top200?ditc=M&rtm=N&ymd=20210701', headers=headers)

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

# 순위
# body-content > div.newest-list > div > table > tbody > tr:nth-child(1) > td.number
# 타이틀
# body-content > div.newest-list > div > table > tbody > tr:nth-child(1) > td.info > a.title.ellipsis
# body-content > div.newest-list > div > table > tbody > tr:nth-child(2) > td.info > a.title.ellipsis
# 가수
# body-content > div.newest-list > div > table > tbody > tr:nth-child(15) > td.info > a.artist.ellipsis

songs = soup.select('#body-content > div.newest-list > div > table > tbody > tr')
for song in songs:
    a = song.select_one('td.info > a.title.ellipsis')
    # 제목 앞에 19금 아이콘이 없는 경우와 있는 경우로 나누기
    if song.select_one('td.info > a.title.ellipsis > span') is None:
        title = a.text.strip()
    else:
        span_in = song.select_one('td.info > a.title.ellipsis > span').text
        title = '('+span_in+') '+ a.text.replace(span_in,'').strip()

    rank = song.select_one('td.number').text[0:2].strip()
    artist = song.select_one('td.info > a.artist.ellipsis').text

    print(rank, title, artist)