웹 페이지에서 동적으로 생성되는 데이터 가져오는 방법
웹 페이지에서
동적으로 생성되는 데이터는
보통 서버 측에서
클라이언트 측으로 전송됩니다.
이를 수신하려면
일반적으로 다음과 같은 방법 중
하나를 사용할 수 있습니다.
웹 스크래핑(웹 크롤링)을 통한 데이터 추출
웹 스크래핑은
웹 페이지에서 데이터를 추출하는 기술로,
Python의 BeautifulSoup, Scrapy 등의 라이브러리를
사용할 수 있습니다.
웹 스크래핑을 통해
동적으로 생성되는 데이터를
추출하려면,
페이지를 열고
JavaScript를 실행하여
HTML을 동적으로
생성하는 방식을 분석해야 합니다.
이 방법은
웹 페이지 소유자의 허가 없이
사용할 경우
법적인 문제가
발생할 수 있으므로
주의해야 합니다.
API를 통한 데이터 수신
많은 웹 사이트에서는
API(Application Programming Interface)를 통해
데이터를 제공합니다.
API는
서버에서 클라이언트로
데이터를 전송하는 방법으로,
대부분의 경우
JSON 형식으로
데이터가 전송됩니다.
웹 페이지에서
데이터를 받아오기 위해서는
해당 웹 사이트의 API 문서를 참조하여
필요한 데이터를 요청하고
응답을 수신해야 합니다.
웹 드라이버를 통한 데이터 추출
웹 드라이버는
브라우저를 자동으로 조작하여
웹 페이지를 탐색하고
데이터를 추출하는 기술입니다.
Python의 Selenium, Puppeteer 등의
라이브러리를 사용할 수 있습니다.
웹 드라이버를 통해
동적으로 생성되는 데이터를
추출하려면,
페이지가 완전히 로드되기 전에
JavaScript를 실행하도록 설정해야 합니다.
이 방법은 웹 페이지 소유자의 허가 없이 사용할 경우 법적인 문제가 발생할 수 있으므로 주의해야 합니다.
URL:https://chuksaro.nias.go.kr/hanwoori/cowCntcInfo.do
위의 페이지에서
img id가 captCha를 다운로드 받고,
input id가 search_keyword와
input id가 answer를 입력 한 뒤,
javascript:chkKeyWord()를 클릭해서 데이터를 가져오는 코딩
아래는 Python과 Selenium 라이브러리를 사용하여 웹 페이지에서 captCha 이미지를 다운로드하고 검색어와 captCha 응답을 입력한 뒤 결과를 가져오는 코드입니다.
import requests
import os
driver = webdriver.Chrome('/path/to/chromedriver')
driver.get('https://chuksaro.nias.go.kr/hanwoori/cowCntcInfo.do')
captcha = driver.find_element_by_id('captCha')
captcha_url = captcha.get_attribute('src')
response = requests.get(captcha_url)
with open('captcha.png', 'wb') as f:
f.write(response.content)
search_keyword = driver.find_element_by_id('search_keyword')
search_keyword.send_keys('검색어')
captcha_answer = input('captCha 코드를 입력하세요: ')
captcha_input = driver.find_element_by_id('answer')
captcha_input.send_keys(captcha_answer)
driver.execute_script('chkKeyWord();')
result = driver.find_element_by_css_selector('.table_style02 tbody tr td').text
print(result)
driver.quit()
os.remove('captcha.png')
위 코드에서
/path/to/chromedriver를
실제 Chrome 드라이버 파일의 경로로
바꿔야 합니다.
또한
captCha 코드를 입력하는 부분은
사용자의 입력을
받도록 되어 있으며,
이 부분을 적절한 코드로
대체하셔야 합니다.
아래는
위에서 제공한 코드를
클래스로 구현한 예시입니다.
클래스를 사용하면
여러 번 captCha 이미지를
가져와야 할 경우,
객체를 생성하여
각각 다른 검색어와
captCha 응답을 입력하면서
사용할 수 있습니다.
from selenium
import webdriver
import requests
import os
class CowCntcInfoScraper:
def __init__(self):
# 웹 드라이버 설정self.driver = webdriver.Chrome('/path/to/chromedriver')
def __del__(self):
# 드라이버 종료
self.driver.quit()
# 페이지 열기
self.driver.get('https://chuksaro.nias.go.kr/hanwoori/cowCntcInfo.do')
# captCha 이미지 다운로드
captcha = self.driver.find_element_by_id('captCha')
response = requests.get(captcha_url)
with open('captcha.png', 'wb') as f:
f.write(response.content)
search_keyword = self.driver.find_element_by_id('search_keyword')
search_keyword.clear()
search_keyword.send_keys(keyword)
# captCha 응답 입력
captcha_input = self.driver.find_element_by_id('answer')
captcha_input.clear()
captcha_input.send_keys(captcha_answer)
# 검색 버튼 클릭
self.driver.execute_script('chkKeyWord();')
# 결과 가져오기
result = self.driver.find_element_by_css_selector('.table_style02 tbody tr td').text
# captCha 이미지 삭제
os.remove('captcha.png')
return result
위 코드에서
/path/to/chromedriver를
실제 Chrome 드라이버 파일의 경로로
바꾸어야 합니다.
search 메서드는
검색어와 captCha 응답을 입력하고
검색 결과를 가져오는 기능을 수행합니다.
__init__ 메서드는
객체가 생성될 때 한 번 호출되며,
웹 드라이버를 설정합니다.
__del__ 메서드는
객체가 삭제될 때 호출되며,
웹 드라이버를 종료합니다.
Selenium을 사용하지 않고도
HTTP 요청을 보내서
서버로부터 데이터를 받아올 수 있습니다.
아래는
requests 라이브러리와
BeautifulSoup 라이브러리를 사용하여
captCha 이미지를 다운로드하고
검색어와 captCha 응답을 입력한 뒤
결과를 가져오는 예시입니다.
import os
from bs4 import BeautifulSoup # 페이지 열기
url = 'https://chuksaro.nias.go.kr/hanwoori/cowCntcInfo.do'
session = requests.Session()
response = session.get(url)
soup = BeautifulSoup(response.content, 'html.parser') # captCha 이미지 다운로드
captcha_url = 'https://chuksaro.nias.go.kr/hanwoori/captcha.do?' + soup.find('input', {'id': 'uuid'})['value']
response = session.get(captcha_url)
with open('captcha.png', 'wb') as f:
f.write(response.content) # 검색어와 captCha 응답 입력
search_keyword = '검색어'
captcha_answer = input('captCha 코드를 입력하세요: ')
data = {
'search_keyword': search_keyword,
'answer': captcha_answer
}
response = session.post(url, data=data) # 결과 가져오기
soup = BeautifulSoup(response.content, 'html.parser')
result = soup.select('.table_style02 tbody tr td')[0].text.strip()
# captCha 이미지 삭제
os.remove('captcha.png')
print(result)
위 코드에서
search_keyword 변수는 검색어를,
captcha_answer 변수는 captCha 응답을 나타냅니다.
captCha 이미지를 가져오는 부분은
이미지 URL을 구성하여
HTTP GET 요청을 보내는 방식으로 구현하였습니다.
검색어와 captCha 응답을
입력하는 부분은 POST 요청으로
데이터를 전송하는 방식으로 구현하였습니다.
가져온 HTML 코드를
BeautifulSoup 라이브러리를 사용하여 파싱하고
결과를 가져오는 방식으로 구현하였습니다.
Class로 수정
import os
from bs4 import BeautifulSoup
class CowCntcInfoScraper:
def __init__(self):
self.session = requests.Session() def __del__(self):
pass def search(self, keyword, captcha_answer):
# 페이지 열기
url = 'https://chuksaro.nias.go.kr/hanwoori/cowCntcInfo.do'
response = self.session.get(url)
soup = BeautifulSoup(response.content, 'html.parser') # captCha 이미지 다운로드
captcha_url = 'https://chuksaro.nias.go.kr/hanwoori/captcha.do?' + soup.find('input', {'id': 'uuid'})['value']
response = self.session.get(captcha_url)
with open('captcha.png', 'wb') as f:
f.write(response.content) # 검색어와 captCha 응답 입력
data = {
'search_keyword': keyword,
'answer': captcha_answer
}
response = self.session.post(url, data=data) # 결과 가져오기
soup = BeautifulSoup(response.content, 'html.parser')
result = soup.select('.table_style02 tbody tr td')[0].text.strip()
# captCha 이미지 삭제
os.remove('captcha.png')
return result
위 코드에서
search 메서드는
검색어와 captCha 응답을 입력하고
검색 결과를 가져오는 기능을 수행합니다.
__init__ 메서드는
객체가 생성될 때 한 번 호출되며,
requests Session 객체를 생성합니다.
__del__ 메서드는
객체가 삭제될 때 호출되며,
captCha 이미지 파일을 삭제합니다.
