|
| 1 | + |
| 2 | +## Python crawler with traversal 파이썬 순회 크롤러 |
| 3 | + |
| 4 | +- 같은 양식의 페이지를 순회하면서 자료를 수집해오는 크롤러 |
| 5 | + |
| 6 | +- 원 페이지 크롤러 제작 후 > 완성된 크롤러를 반복문에 넣어서 만든다 |
| 7 | + |
| 8 | +> 반복을 어디부터 돌릴지에 대한 파악이 제일 중요! |
| 9 | + |
| 10 | +```python |
| 11 | +# crwaling library import |
| 12 | +from bs4 import BeautifulSoup |
| 13 | +from selenium import webdriver |
| 14 | +import requests |
| 15 | + |
| 16 | +# 코드 진행 지연을 위한 time 임포트 |
| 17 | +import time |
| 18 | + |
| 19 | +# 2022-07 이후 selenium 업데이트로 인한 XPATH 추적 시 사용하는 임포트 |
| 20 | +from selenium.webdriver.common.by import By |
| 21 | + |
| 22 | +# file io |
| 23 | +import codecs |
| 24 | +``` |
| 25 | + |
| 26 | +<br> |
| 27 | + |
| 28 | +- 순서 |
| 29 | + |
| 30 | +1. approach N page |
| 31 | + |
| 32 | +2. source code crawling |
| 33 | + |
| 34 | +3. parsing |
| 35 | + |
| 36 | +4. data extraction |
| 37 | + |
| 38 | +5. saving in txt file |
| 39 | + |
| 40 | +6. move to number 1. |
| 41 | + |
| 42 | +> 다음페이지 버튼 XPATH 클릭으로 페이지 넘기기 |
| 43 | + |
| 44 | +<br> |
| 45 | + |
| 46 | +- 리스트 형식 페이지: \[F12\] + \[Network menu click\] > 리스트 다음 페이지 클릭 |
| 47 | +\> url 바뀌지 않아도, Network 변경사항을 \[Headers\], \[Payload\] tab에서 확인 가능 |
| 48 | +\> XPATH 구하기 가능! |
| 49 | + |
| 50 | +```python |
| 51 | +chrome_driver = webdriver.Chrome('chromedriver') |
| 52 | + |
| 53 | +# approach first page |
| 54 | +chrome_driver.get("https://product.kyobobook.co.kr/bestseller/online?period=001") |
| 55 | + |
| 56 | +# 첫번째 제목 저장 리스트 > 반복문 중지 조건으로 필요 |
| 57 | +check_name_list = list() |
| 58 | + |
| 59 | +rank_list = list() |
| 60 | +title_list = list() |
| 61 | +price_list = list() |
| 62 | +author_list = list() |
| 63 | + |
| 64 | +time.sleep(6) |
| 65 | + |
| 66 | +# 반복문 |
| 67 | +while True: |
| 68 | + |
| 69 | + # 끝까지 스크롤 다운 (광고로 페이지 가리기 방지) |
| 70 | + chrome_driver.execute_script("window.scrollTo(0, document.body.scrollHeight);") |
| 71 | + |
| 72 | + # source code crawling |
| 73 | + source = chrome_driver.page_source |
| 74 | + |
| 75 | + # parsing |
| 76 | + html_parsed_source = BeautifulSoup(source, "html.parser") |
| 77 | + |
| 78 | + # extract data(span_prod_name) & saving in list |
| 79 | + |
| 80 | + ####### Title |
| 81 | + span_prod_name = html_parsed_source.find_all("span", class_="prod_name") |
| 82 | + |
| 83 | + # while문 중지 조건 -> 같은 title이 list에 존재 할 때 |
| 84 | + if (span_prod_name[0].text in check_name_list): |
| 85 | + chrome_driver.close() |
| 86 | + break |
| 87 | + check_name_list.append(span_prod_name[0].text) |
| 88 | + |
| 89 | + for title in span_prod_name: |
| 90 | + title_list.append(title.text) |
| 91 | + |
| 92 | + ######## Rank |
| 93 | + div_prod_rank = html_parsed_source.find_all("div", class_="prod_rank") |
| 94 | + |
| 95 | + for rank in div_prod_rank: |
| 96 | + rank_list.append(rank.text) |
| 97 | + |
| 98 | + ######## Price |
| 99 | + span_val = html_parsed_source.find_all("span", class_="val") |
| 100 | + |
| 101 | + for price in span_val: |
| 102 | + if(price.text == "0"): |
| 103 | + None |
| 104 | + else: |
| 105 | + price_list.append(price.text) |
| 106 | + |
| 107 | + ######### Author |
| 108 | + span_prod_author = html_parsed_source.find_all("span", class_="prod_author") |
| 109 | + |
| 110 | + for author in span_prod_author: |
| 111 | + author_list.append(author.text.split(" ·")[0]) |
| 112 | + |
| 113 | + # 다음 페이지 버튼 XPATH로 이동 |
| 114 | + chrome_driver.find_element(By.XPATH, '//*[@id="tabRoot"]/div[4]/div[2]/button[2]').click() |
| 115 | + |
| 116 | + time.sleep(6) |
| 117 | + |
| 118 | +# extracted data item 개수 일치하는 지 확인 |
| 119 | +book_list = [ title_list, rank_list, price_list, author_list ] |
| 120 | + |
| 121 | +for book in book_list: |
| 122 | + print(len(book)) |
| 123 | +``` |
| 124 | + |
| 125 | +```text |
| 126 | +916 |
| 127 | +916 |
| 128 | +916 |
| 129 | +916 |
| 130 | +``` |
| 131 | + |
| 132 | +<br> |
| 133 | + |
| 134 | +```python |
| 135 | +# csv로 출력 |
| 136 | +w_csv = codecs.open("C:/Users/EthanJ/develop/PLAYDATA/Python_basic/crawling/crawler_with_traversal.csv", 'w', "utf-8-sig") |
| 137 | + |
| 138 | +for i in range(len(title_list)): |
| 139 | + this_line = "%s,%s,%s,%s\n" %(rank_list[i].replace(',', ','), title_list[i].replace(',', ','), |
| 140 | + author_list[i].replace(',', ','), price_list[i].replace(',', ',')) |
| 141 | + w_csv.write(this_line) |
| 142 | + |
| 143 | +w_csv.close() |
| 144 | +``` |
| 145 | + |
| 146 | + |
| 147 | + |
| 148 | + |
| 149 | + |
| 150 | + |
0 commit comments