[ 크롤링-Selenium ] 파이썬 다음 블로그 크롤링(Python Selenium)(1)

다음 블로그를 크롤링하는 방법에 대해 알아보겠습니다.

먼저 import할 모듈은 다음과 같습니다.

from selenium import webdriver
from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.service import Service
import time
import datetime

 

먼저 다음에서 [ 파이썬 ]을 검색을 합니다.

검색 후 마우스를 스크롤하여 조금 내려 [ 블로그 ]를 클릭합니다.

이때 주소창에 보이는 주소는 아래와 같습니다.

https://search.daum.net/search?p=1&q=%ED%8C%8C%EC%9D%B4%EC%8D%AC&col=blog&w=fusion&DA=TWC

 

먼저 url 변수를 선언해 줍니다.

url = "https://search.daum.net/search?p=1&q=%ED%8C%8C%EC%9D%B4%EC%8D%AC&col=blog&w=fusion&DA=TWC"

 

그리고 지난번의 웹드라이버 자동설치하기 포스팅을 참고하여 웹브라우저를 여는 코드를 작성합니다.

service = Service(ChromeDriverManager().install())
driver = webdriver.Chrome(service=service)
driver.get(url)
time.sleep(3)

 

728x90

SMALL

 

다음으로 웹사이트 구조가 어떻게 되어 있는 지 살펴보겠습니다.

 

<ul class="list_info ty_doc">안에 블로그 내용의 자료가 들어있는 것으로 보입니다.

이것을 토대로 삼아 하나씩 찾아보도록 하겠습니다.

<a> 태그 안의 내용에 해당 블로그의 제목과 URL이 들어 있습니다.

그리고 class 이름은 [ tit_main ]입니다.

 

먼저 블로그의 제목을 추출해 보겠습니다.

main_datas = driver.find_element(By.CLASS_NAME, "list_info.ty_doc").find_elements(By.CLASS_NAME, "tit_main")

 

먼저 find_element(By.CLASS_NAME, "list_info.ty_doc")를 통해 블로그 검색결과의

전체적인 내용을 담고있는 부분에서 tit_main 이라는 이름을 가진 특정 클래스를 가진 부분들을

모두 검색해 main_datas에 담아줍니다.

 

main_datas 는 list형태이므로 그 안에 담긴 하나하나의 데이터에서 텍스트를 추출하겠습니다.

for datas in main_datas:
    print(datas.text)

 

그럼 다음과 같이 블로그 제목들을 추출할 수가 있습니다.

 

반응형

블로그의 제목을 추출했으니, 이제 URL을 추출해 보겠습니다.

for datas in main_datas:
    print(datas.text)
    print(datas.get_attribute("href"))

get_attribute() 함수를 이용하면 URL의 추출이 가능합니다.

get_attribute() 함수의 내용은 여기를 참고하시면 됩니다.

 

결과는 다음과 같습니다.

 

몇줄 안되는 코드로 다음 블로그 검색결과 첫페이지의

블로그 제목과 URL을 가지고 올 수 있습니다.

 

다음에는 아래 그림의 작성일자까지 가지고 오는 방법을 알아보도록 하겠습니다.