전체 스터디
전체 스터디
  • 전체보기
  • 질문
  • 숙제
내 스터디
  • 스터디에 참여해보세요!
다른 스터디
  • 네이버 정복 파이썬 크롤링
    • 전체보기
    • 질문
    • 숙제
    • 잡담
  • 파이썬 기초 스터디
  • 페이스북 만드는 웹개발
  • 데이터사이언스 12시간 입문기
  • 파이썬 구글 Sheet 연동
  • 엑셀서당 - 훈장님의 기초 엑셀 트레이닝
  • 고전게임을 만들며 배우는 코딩의 기초
  • 내 업무를 거의 자동화하는 방법
  • SQL 입문 4시간
  • QR 코드 프로그래밍
  • 비전공자 개발지식 총정리
  • 초고속 퍼포먼스 마케터
  • 왓챠 함께 만들기
  • 퍼블리셔 초고속 입문기
  • 한국형 커뮤니티 만들기
  • airbnb 프론트엔드 카피 프로젝트
  • 워드프레스로 쿠팡 만들기
네이버 함께 정복하는 크롤링 스터디
비전공자를 위한 크롤링 핵심 과정
데이터
성기영
12월 18일 09:42 · 멀티캠

2020 glowpick award 수집기를 첨부문서와 같이 작성했습니다. 

- 회사명(brand)까지 수집 + excel로 저장


그런데, 잘 수집/출력되다가

"페이스메이크업 > 메이크업픽서" 부분에서 첨부된 그림과 같이 오류가 뜨는데... 원인이 무엇일까요?

자세히 보기
신재용
12월 18일 13:55

동일한 코드가 제 PC에서 동작하는걸로 봐서는 CSS 문제일것 같습니다.

Chromedriver 같은 경우 요소를 찾아서 정가운데를 클릭하는데, 간혹 브라우저의 크기나 다른 어떤 방해요인에 의해 요소가 가려질수 있습니다. 사람 눈에는 그렇게 보이지 않더라도 CSS상에서 그럴수 있습니다.

우선 첫 번째로 시도해볼법한 방법은, 수집을 시작할때 브라우저 크기를 최대로 키워 오차를 줄이는 것입니다. 수집을 시작하기 전에 driver.maximize_window() 명령을 통해 일단 브라우저 크기를 최대로 키워보세요.

이렇게도 해결이 안 되면 다른 방법을 고안해 보겠습니다.


좋아요 0
    성기영
    12월 18일 15:08

    해결되었습니다! 감사합니다!

    좋아요 1
    신재용
    12월 17일 22:39 · 멀티캠

    6주차 수업시간에 사용한 코드입니다.

    맨 위 주석에 간단한 설명이 적혀있어요.

    천준수
    12월 16일 17:38 · 멀티캠

    강의자료 5주차 숙제 중에 다음의 영화 예매순위 페이지에서 데이터 수집하는게 있었는데.. 해당 페이지는 접속이 안되어서

    https://movie.daum.net/premovie/released 로 들어가서 데이터 수집을 시도해보았는데, 제가 잘못한 것인지.. select로 원하는 데이터 선택이 안되는 것 같습니다.

    제대로 수집이 되는지 확인하려고 i로 카운트를 해보려고 했는데 수집이 안되는 것 같습니다 ㅜㅜ


    import requests from bs4 

    import BeautifulSoup raw = requests.get("https://movie.daum.net/premovie/released", headers = {'User-Agent':'Mozilla/5.0'}) 

    html = BeautifulSoup(raw.text, 'html.parser')

    i = 1 

    movies = html.select("ul.list_movie li")

    for m in movies: 

         print(i)

         i += 1


    자세히 보기
    신재용
    12월 16일 18:16

    daum같은 경우에는 User-Agent에 Mozilla/5.0처럼 불완전한 형태의 문자열이 들어올 경우 결과를 제대로 보내주지 않는 안티크롤링 코드가 심어져 있습니다.

    daum 일부 도메인들은 Mozilla/5.0을 쓸 바에 아예 안 넣으면 돌아갈때도 있는데요. 영화 도메인은 완전한 형태의 User-Agent를 넣어야 동작하네요. 일단 아래 붙여드린 User-Agent를 사용해주세요. 제가 브라우저에 추출한 실제 User-Agent입니다.

    {'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 11_0_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.101 Safari/537.36'}


    https://www.notion.so/WEEK3-9f008766023944fda6d94ad55741b243

    위의 강의자료 맨 마지막 즈음에 user-agent를 생성해주는 라이브러리에 대해 짧게 소개해드렸습니다. 다음 시간에 짧게 한번 더 언급하고 넘어가면 좋을것 같네요.

    좋아요 0
      천준수
      12월 16일 17:00 · 멀티캠

      복습하다가 궁금한게 생겨서 질문드립니다.

      저희가 raw =  requests.get() 함수로 데이터를 가져와서

      raw.text를 출력하면 태그 등이 다 살아있는데

      예를 들어, titles = html.select() 함수로 가져온 데이터를

      titles[0].text 로 출력하면 titles[0]에서 태그를 지우고 문자만 남겨주는 이유가 뭔가요?

      같은 메서드 함수인데 작동하는 원리가 다른 것 같아서.. 데이터 타입에 따라 text 가 다르게 작동하는 것인지 갑자기 궁금해서 질문드립니다.


      자세히 보기
      신재용
      12월 16일 17:29
      print(type(raw)) # <class 'requests.models.Response'>
      print(type(titles[0])) # <class 'bs4.element.Tag'>

      raw와 titles[0]는 다른 type을 가지는 객체입니다. raw는 requests의 결과를 담는 객체고, titles[0]는 BeautifulSoup으로 파싱이 완료된 결과를 담는 객체입니다.

      서로 다른 type의 객체인데 text라는 같은 이름의 요소를 가지고 있어서 헷갈리신것 같아요.



      좋아요 0
        신재용
        12월 16일 17:55

        네네 괄호가 안 붙었으니 함수는 아닙니다. 

        text같은건 프로그래밍 언어마다 부르는 말이 조금씩 다른데요, 파이썬에서는 보통 멤버변수, 속성 정도로 부릅니다. 메서드는 객체 안에 있는 함수고, 멤버변수는 객체 안에 있는 변수입니다.

        raw와 titles[0]에서 .text라는 똑같은 이름의 멤버변수를 사용하는건 그냥 우연입니다.

        requests 라이브러리와 BeautifulSoup4 라이브러리를 만든 사람이 각각 다르죠? 다른 사람이 다른 라이브러리에 각각 text라는 멤버변수를 정의했고, 서로 다른 목적으로 만들어진 라이브러리인만큼 기능이 다른 거라고 이해하시면 됩니다.

        아마 text라는 말 자체가 워낙 흔한 말이기 때문에 파이썬 자체와 연관이 있는거라고 헷갈릴수도 있는데요. 만약에 requests 라이브러리 제작자가 문자열을 담는 멤버변수를 text라는 말 대신에 potato 라는 말을 써서 정의했으면 사용자도 마찬가지로 .potato라는 이름으로 접근해야 합니다.

        좋아요 0
          천준수
          12월 16일 17:44

          아 헷갈렸네요. 함수가 되려면 ()가 뒤에 붙어야하는데 .text는 괄호가 안붙으니 함수는 아닌거죠? 근데 객체 뒤에 붙어서 데이터를 변환해주니까 함수처럼 느껴졌던 것 같습니다. 그러면 .text 같은거는 뭐라고 부르나요..? 사실 raw에 .text가 붙는거랑 titles[0]에 .text가 붙을 때 역할이 달라지는 것 같아서 아직 좀 헷갈리네요 ㅜㅜ 

          좋아요 0
            댓글 1개 더보기
            신재용
            12월 10일 22:25 · 멀티캠

            5주차 스터디에서 작성한 코드입니다.

            성기영
            12월 10일 21:44 · 멀티캠

            https://www.oliveyoung.co.kr/store/awards/getAwardsList.do

            여기에서 (1) 브랜드, (2) 제품명을 수집하려고 합니다. 


            각 제품은 다음 컨테이너 안에 들어있는데

            products = html.select("a.products_detail")


            그 밑에 html 구조가 다음과 같아서

            <h5> 

                <span>아벤느</span>

                " 젠틀 토닝 로션" == $0

            <h5> 


            p.select_one("h5")라고 하면 ---> "아벤느 젠틀 토닝 로션"이 수집되고

            p.select_one("h5 span")라고 하면 ---> "아벤느"가 수집됩니다. 


            "젠틀 토닝 로션"이라는 제품명만 수집하려면 어떻게 해야 하나요?

            자세히 보기
            신재용
            12월 10일 22:37
            import requests
            from bs4 import BeautifulSoup
            
            raw = requests.get("https://www.oliveyoung.co.kr/store/awards/getAwardsList.do", headers={"User-Agent" : "Mozilla/5.0"})
            
            html = BeautifulSoup(raw.text, "html.parser")
            
            products = html.select("a.products_detail")
            
            for p in products:
                product_name = p.select_one("h5").find(text=True, recursive=False)
                print(product_name)


            수업시간에 배운 내용은 아닌데, find 메서드에 인수로 text=True, recursive=False를 넣어주면 원하시는 데이터를 뽑을 수 있습니다.

            recursive=False의 의미는 자손 태그를 검색하지 않겠다는 의미입니다.

            좋아요 0
              성기영
              12월 5일 15:58 · 멀티캠

              https://www.glowpick.com/award/23에서 2020년 Glowpick 수상 제품 정보를 수집하려고 합니다.


              수상 제품의 정보 구조가 다음과 같고,

              (1) 1차 분류 (Trend by GLOWPICK, ROOKIE, 스킨케어, ...)

              (2) 2차 분류 (스킨케어 안에 스킨/토너, 로션/에멀전, 에센스/세럼, ...)

              (3) 3차 분류 (스킨/토너 안에 워터토너, 크림토너, 에센스토너, ...)

              (4) 1-3위 제품 정보


              상단에서 1차 분류, 2차 분류를 선택하면

              → 그에 해당하는 전체 3차 분류와 1-3위 제품 정보가 보입니다.


              그런데 1차 분류, 2차 분류 선택 시 link를 타고 가는 구조가 아니라

              HTML source code가 변하는(?) 방식이라 수집하기가 어렵습니다.


              조언 부탁드립니다.

              자세히 보기
              신재용
              12월 5일 23:14

              현대적인 방식의 웹개발 방식에서는 사이트에 처음 접속했을때 최소한의 데이터만 로드하고 이후 클릭이 일어날 때마다 더 필요한 데이터를 불러와, 말씀해주신대로 HTML source code를 변화시킵니다. 이런 방식으로 제작되는 사이트가 점점 더 많아지고 있는 추세고, 글로우픽 사이트도 이와 마찬가지입니다.

              이런 경우에는 지난 시간까지 배운 방법으로는 구현이 불가능하고, 크롬브라우저를 사람이 만지는 것과 동일하게 동작하도록 Python을 이용해 조작하는 방법을 사용합니다. 그리고 이 방법은 다음 시간에 배웁니다..!

              글로우픽 사이트가 여러모로 예제로 사용하기도 좋을것 같아서 시간이 남을때 같이 해보면 좋을것 같습니다. 다음 시간에 위에서 언급한 개발방법론에 대한 간단한 배경지식부터 설명드리고 시작하겠습니다.

              좋아요 0
                성기영
                12월 5일 15:03 · 멀티캠

                4주차 과제 제출합니다.

                신재용
                12월 5일 23:04

                잘 작성해 주셨습니다!

                좋아요 0
                  신재용
                  12월 3일 22:28 · 멀티캠

                  4주차 수업시간에 작성한 beautifulsoup 태그 예외처리 함수입니다.


                  def get_text(tag, replace="N/A"):
                      if not tag:
                          return replace
                      return tag.text


                  자세히 보기
                  신재용
                  11월 27일 00:09 · 멀티캠

                  3주차 챌린지2 답안입니다.

                  # requests 라이브러리를 불러온다.
                  import requests
                  # bs4에서 BeautifulSoup만 불러온다.
                  from bs4 import BeautifulSoup
                  
                  # 안티크롤링을 회피하기 위해 헤더의 User-Agent 요소를 가짜로 만든다.
                  h = {"User-Agent": "Mozilla/5.0"}
                  
                  # range(1, 4) : [1, 2, 3] 형태의 리스트를 반환
                  # i에 차례대로 1, 2, 3이 할당됨
                  for i in range(1, 4):
                      # headers 인수를 h로 지정해 ycombinator 뉴스 페이지를 요청한다.
                      raw = requests.get("https://news.ycombinator.com?p=" + str(i), headers=h)
                  
                      # 의미 없는 html 문자열을 파싱해 의미를 가지는 객체로 만든다.
                      html = BeautifulSoup(raw.text, "html.parser")
                  
                      # class가 athing인 모든 요소를 선택해 list 형태로 반환한다.
                      # list 형태이기 때문에 articles[0], articles[1]... 처럼 인덱싱 가능
                      articles = html.select(".athing")
                  
                      # articles list에서 요소를 하나씩 꺼내서 article에 할당한다.
                      for article in articles:
                          # article 요소에서 class가 rank인 첫번째 요소를 선택한다.
                          rank = article.select_one(".rank").text
                          title = article.select_one(".storylink").text
                          print(rank, title)


                  자세히 보기
                  신재용
                  11월 26일 23:59 · 멀티캠

                  간단한 파일 입출력 사용법입니다.

                  # 파일에 쓰기
                  
                  # open 모드 r: 읽기, w: 쓰기, a: 이어쓰기
                  f = open("test.txt", "a")
                  
                  # 파일에 한 줄 쓰기
                  f.write("hello world")
                  print("hi world", file=f)
                  
                  # 파일 닫기
                  f.close()
                  
                  
                  #########################################
                  
                  # 파일 읽기
                  
                  # open 모드 r: 읽기, w: 쓰기, a: 이어쓰기
                  f = open("test.txt", "r")
                  
                  for line in f.readlines():
                      print(line.strip())
                  
                  # 파일 닫기
                  f.close()
                  
                  
                  


                  자세히 보기
                  정인영
                  11월 24일 17:35 · 멀티캠

                  파이썬 코드 관련 질문이 있습니다.

                  기존 sql 코드에서 + str(number) 을 사용해서 바인드 변수형으로 사용하고자 합니다.


                  단, 여기서 숫자형 타입을 시간 형으로 변경을 하고자 하는데

                  기본 단위는 seconds입니다.

                  예를 들어 10을 입력을 받으면 00:00:10 으로 변경 후 sql 코드와 plus를 하고자 합니다.


                  파이썬에서 이를 표현할 수 있을까요?

                  아니면 db에서 함수를 사용해야하는 것일까요?


                  자세히 보기
                  신재용
                  11월 25일 11:12

                  제가 잘 이해한지 모르겠지만 sql 코드는 string 형식이겠죠?

                  time 모듈을 사용해서 seconds string을 time 형식으로 바꿨다가, 다시 time 형식을 string 형식으로 바꾸는 방법을 사용할 수 있습니다.

                  import time
                  n = 10
                  s = time.strftime("%H:%M:%S", time.gmtime(n)) 
                  
                  print(type(s), s)

                  모듈을 사용하고 싶지 않으시다면 연산을 통해 변환하도록 직접 로직을 작성해도 괜찮습니다.

                  좋아요 0
                    신재용
                    11월 25일 17:08

                    네네 time 모듈은 내장모듈이라 문제 없이 동작할거에요.

                    혹시 로직을 만드실거면

                    ONE_DAY = 86400
                    ONE_HOUR = 3600
                    ONE_MINUTE = 60
                    
                    seconds = 10
                    
                    seconds %= ONE_DAY
                    hour = seconds // ONE_HOUR
                    seconds %= ONE_HOUR
                    minutes = seconds // ONE_MINUTE
                    seconds %= ONE_MINUTE
                        
                    print("%02d:%02d:%02d" % (hour, minutes, seconds))


                    저희가 안 배운 포매팅 문법도 있긴 한데, 저런 식으로 작성하시면 될것 같습니다.

                    좋아요 0
                      정인영
                      11월 25일 16:21

                      감사합니다 재용님!! 저런 식으로 하면 되겠네요.
                      sql 코드는 str 타입 맞습니다.

                      prod에 반영가능한지 확인해보고 배포할 수 있겠네요.

                      만약 모듈이 없다면, 입력받은 값을 변환해서 str 값을 리턴하는 펑션을 만들어야겠네요.. 혹은 db에서 변환할 수 있는 함수를 찾던가요

                      좋아요 0
                        댓글 1개 더보기
                        Sejin Ha
                        11월 24일 11:57 · DS사관학교 Oct. Part1

                        Week 6 숙제 제출합니다.

                        전도영
                        11월 24일 08:23 · DS사관학교 Oct. Part1

                        week6 숙제제출합니다.

                        황민수
                        11월 23일 16:19 · DS사관학교 Oct. Part1
                        너무 고민말고 물어보세요!
                        kakao 카카오톡 상담
                        kakao 적성 테스트
                        부담없이 채팅 상담하세요. 친절한 코알라가 대기중입니다:)