Home 스파르타 코딩클럽 개발일지_3주차
Post
Cancel

스파르타 코딩클럽 개발일지_3주차

수업 목표

  1. 파이썬 기초 문법을 안다.
  2. 원하는 페이지를 크롤링 할 수 있다.
  3. pymongo를 통해 mongoDB를 제어할 수 있다.

1. Python


  • 파이썬은 일종의 번역팩으로 이해하면 된다. 컴퓨터는 101010001 과 같은 언어만 알아듣기 때문에 파이썬 문법으로 된 것을 101010001로 변환해줄 수 있도록, 파이썬이 번역해준다 생각하면 된다.

1-1 Python 기초문법

1) 변수 & 기본연산

1
2
3
4
5
6
7
8
9
    a = 3      # 3을 a에 넣는다
    b = a      # a를 b에 넣는다
    a = a + 1  # a+1을 다시 a에 넣는다

    num1 = a*b # a*b의 값을 num1이라는 변수에 넣는다
    num2 = 99 # 99의 값을 num2이라는 변수에 넣는다

    # 변수의 이름은 마음대로 지을 수 있음!
    # 진짜 "마음대로" 짓는 게 좋을까? var1, var2 이렇게?

2) 자료형

  • 숫자, 문자형

    1
    2
    3
    4
    5
    6
    7
    
      name = 'bob' # 변수에는 문자열이 들어갈 수도 있고,
      num = 12 # 숫자가 들어갈 수도 있고,
        
      is_number = True # True 또는 False -> "Boolean"형이 들어갈 수도 있습니다.
        
      #########
      # 그리고 List, Dictionary 도 들어갈 수도 있죠. 그게 뭔지는 아래에서!
    
  • 리스트 형 (Javascript의 배열형과 동일)

    1
    2
    3
    4
    5
    6
    7
    8
    
      a_list = []
      a_list.append(1)     # 리스트에 값을 넣는다
      a_list.append([2,3]) # 리스트에 [2,3]이라는 리스트를 다시 넣는다
        
      # a_list의 값은? [1,[2,3]]
      # a_list[0]의 값은? 1
      # a_list[1]의 값은? [2,3]
      # a_list[1][0]의 값은? 2
    
  • Dictionary 형 (Javascript의 dictionary형과 동일)

    1
    2
    3
    4
    5
    6
    7
    8
    
      a_dict = {}
      a_dict = {'name':'bob','age':21}
      a_dict['height'] = 178
        
      # a_dict의 값은? {'name':'bob','age':21, 'height':178}
      # a_dict['name']의 값은? 'bob'
      # a_dict['age']의 값은? 21
      # a_dict['height']의 값은? 178
    
  • Dictionary 형과 List형의 조합

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    
      people = [{'name':'bob','age':20},{'name':'carry','age':38}]
        
      # people[0]['name']의 값은? 'bob'
      # people[1]['name']의 값은? 'carry'
        
      person = {'name':'john','age':7}
      people.append(person)
        
      # people의 값은? [{'name':'bob','age':20},{'name':'carry','age':38},{'name':'john','age':7}]
      # people[2]['name']의 값은? 'john'
    

    3) 함수

  • 함수의 정의 - 이름은 마음대로 정할 수 있음!

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    
      # 수학문제에서
      f(x) = 2*x+3
      y = f(2)
      y의 값은? 7
        
      # 참고: 자바스크립트에서는
      function f(x) {
      	return 2*x+3
      }
        
      # 파이썬에서
      def f(x):
      	return 2*x+3
        
      y = f(2)
      y의 값은? 7
    
  • 함수의 응용

    1
    2
    3
    4
    5
    6
    7
    8
    9
    
      def sum_all(a,b,c):
      	return a+b+c
        
      def mul(a,b):
      	return a*b
        
      result = sum_all(1,2,3) + mul(10,10)
        
      # result라는 변수의 값은?
    

    4) 조건문

  • if / else 로 구성!

    1
    2
    3
    4
    5
    6
    7
    8
    
      def oddeven(num):  # oddeven이라는 이름의 함수를 정의한다. num을 변수로 받는다.
      	if num % 2 == 0: # num을 2로 나눈 나머지가 0이면
      		 return True   # True (참)을 반환한다.
      	else:            # 아니면,
      		 return False  # False (거짓)을 반환한다.
        
      result = oddeven(20)
      # result의 값은 무엇일까요?
    
    1
    2
    3
    4
    5
    6
    7
    8
    
      def is_adult(age):
      	if age > 20:
      		print('성인입니다')    # 조건이 참이면 성인입니다를 출력
      	else:
      		print('청소년이에요')  # 조건이 거짓이면 청소년이에요를 출력
        
      is_adult(30)
      # 무엇이 출력될까요? 
    

    5) 반복문

    파이썬에서의 반복문은, 리스트의 요소들을 하나씩 꺼내쓰는 형태입니다.

  • 즉, 무조건 리스트와 함께 쓰입니다!

    1
    2
    3
    4
    5
    6
    
      fruits = ['사과','','','']
        
      for fruit in fruits:
      	print(fruit)
        
      # 사과, 배, 감, 귤 하나씩 꺼내어 찍힙니다.
    
  • 리스트 예제
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    
     fruits = ['사과','','','','수박','','딸기','사과','','수박']
    
     count = 0
     for fruit in fruits:
         if fruit == '사과':
             count += 1
    
     print(count)
    
     # 사과의 개수를 세어 보여줍니다.
    
  • 딕셔너리 예제
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    
      people = [{'name': 'bob', 'age': 20}, 
                {'name': 'carry', 'age': 38},
                {'name': 'john', 'age': 7},
                {'name': 'smith', 'age': 17},
                {'name': 'ben', 'age': 27}]
    
      # 모든 사람의 이름과 나이를 출력해봅시다.
      for person in people:
          print(person['name'], person['age'])
          # person이라는 변수에 people의 속성을 순서대로 가져오는 것!!!
          # 그래서 person['name'] == n번째 person의 'name'이 뭐니? 라는 뜻
    
    
      # 이번엔, 반복문과 조건문을 응용한 함수를 만들어봅시다.
      # 이름을 받으면, age를 리턴해주는 함수
      def get_age(myname):
          for person in people:
              if person['name'] == myname:
                  return person['age']
          return '해당하는 이름이 없습니다'
    
    
      print(get_age('bob'))
      print(get_age('kay'))
    

1-2 Python 패키지(package)

  • Python 에서 패키지는 모듈(일종의 기능들 묶음)을 모아 놓은 단위
  • 이런 패키지의 묶음을 라이브러리라고 볼 수 있다.
  • 이 강의에서 패키지 설치 = 외부 라이브러리 설치라고 보면 된다.!

    1) 가상환경

  • 가상환경(virtual environment)은 같은 시스템에서 실행되는 다른 파이썬 응용 프로그램들의 동작에 영향을 주지 않기 위해, 파이썬 배포 패키지들을 설치하거나 업그레이드하는 것을 가능하게 하는 격리된 실행 환경 입니다.
  • 쉽게 말해 프로젝트 별로 패키지들을 담을 공구함
  • 모든 공구를 다 담을 필요 없이 프로젝트 별로 필요한 패키지를 별도로 보관해서 사용하는 것

2) pip 사용 - requests 패키지 설치

  • 앱을 설치할 때 앱스토어/플레이스토어를 가듯이, 새로운 프로젝트의 라이브러리를 가상환경(공구함)에 설치하려면 pip(python install package) 를 이용
  • pycham에서 setting -> project interpreter에서 원하는 라이브러리 추가

3) requests 패키지 활용

  • 모든 구의 IDEX_MVL 값

    1
    2
    3
    4
    5
    6
    7
    8
    9
    
      import requests # requests 라이브러리 설치 필요
        
      r = requests.get('http://openapi.seoul.go.kr:8088/6d4d776b466c656533356a4b4b5872/json/RealtimeCityAir/1/99')
      rjson = r.json()
        
      gus = rjson['RealtimeCityAir']['row']
        
      for gu in gus:
      	print(gu['MSRSTE_NM'], gu['IDEX_MVL'])
    
  • IDEX_MVL 값이 60 미만인 구

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    
      import requests # requests 라이브러리 설치 필요
        
      r = requests.get('http://openapi.seoul.go.kr:8088/6d4d776b466c656533356a4b4b5872/json/RealtimeCityAir/1/99')
      rjson = r.json()
        
      gus = rjson['RealtimeCityAir']['row']
        
      for gu in gus:
      	if gu['IDEX_MVL'] < 60:
      		print (gu['MSRSTE_NM'], gu['IDEX_MVL'])
    

    2. 크롤링

  • 크롤링 : 포털 사이트 검색엔진이 내 사이트를 퍼가는 행위를 뜻하지만 반대로 포털사이트 데이터를 개인 사이트로 가져오는 행위(스크래핑)도 혼용한다.
  • 크롤링이 가능한 이유 : 서버에 요청을 통해 받아온 데이터를 내 입맛에 맡게 솎아 내는 것이 크롤링이고 데이터를 정리하는 것은 컴퓨터가 하는 것

    2-1 크롤링 기초 (beautifulsoup4)

  • 크롤링 기본 세팅 ```python import requests from bs4 import BeautifulSoup

타겟 URL을 읽어서 HTML를 받아오고,

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.nhn?sel=pnt&date=20200303’,headers=headers)

HTML을 BeautifulSoup이라는 라이브러리를 활용해 검색하기 용이한 상태로 만듦

soup이라는 변수에 “파싱 용이해진 html”이 담긴 상태가 됨

파싱(parsing) : 어떤 페이지(문서, html 등)에서 내가 원하는 데이터를 특정 패턴이나 순서로 추출해 가공하는 것

이제 코딩을 통해 필요한 부분을 추출하면 된다.

soup = BeautifulSoup(data.text, ‘html.parser’)

#############################

(입맛에 맞게 코딩)

#############################

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
- select / select_one  사용법(영화 제목을 가져와보기)

  - 태그 안의 텍스트를 찍고 싶을 땐 → 태그.text
  - 태그 안의 속성을 찍고 싶을 땐 → 태그['속성']

```python
import requests
from bs4 import BeautifulSoup

# URL을 읽어서 HTML를 받아오고,
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.nhn?sel=pnt&date=20200303',headers=headers)

# HTML을 BeautifulSoup이라는 라이브러리를 활용해 검색하기 용이한 상태로 만듦
soup = BeautifulSoup(data.text, 'html.parser')

# select를 이용해서, tr들을 불러오기
movies = soup.select('#old_content > table > tbody > tr')

# movies (tr들) 의 반복문을 돌리기
for movie in movies:
    # movie 안에 a 가 있으면,
    a_tag = movie.select_one('td.title > div > a')
    if a_tag is not None:
        # a의 text를 찍어본다.
        print (a_tag.text)
  • beautifulsoup 내 select에 미리 정의된 다른 방법을 알아봅니다

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    
      # 선택자를 사용하는 방법 (copy selector)
      soup.select('태그명')
      soup.select('.클래스명')
      soup.select('#아이디명')
        
      soup.select('상위태그명 > 하위태그명 > 하위태그명')
      soup.select('상위태그명.클래스명 > 하위태그명.클래스명')
        
      # 태그와 속성값으로 찾는 방법
      soup.select('태그명[속성=""]')
        
      # 한 개만 가져오고 싶은 경우
      soup.select_one('위와 동일')
    
  • 항상 정확하지는 않으나, 크롬 개발자도구를 참고 가능

    1. 원하는 부분에서 마우스 오른쪽 클릭 → 검사
    2. 원하는 태그에서 마우스 오른쪽 클릭
    3. Copy → Copy selector로 선택자를 복사할 수 있음

2-2 크롤링 연습

  • 영화 순위, 제목, 평점 크롤링 해오기 ``` python import requests from bs4 import BeautifulSoup

from pymongo import MongoClient client = MongoClient(‘localhost’, 27017) db = client.dbsparta

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.nhn?sel=pnt&date=20200303’,headers=headers)

soup = BeautifulSoup(data.text, ‘html.parser’)

select를 이용해서, tr들을 불러오기

trs = soup.select(‘#old_content > table > tbody > tr’)

movies (tr들) 의 반복문을 돌리기

for tr in trs :

1
2
3
4
5
6
7
8
9
10
ranks = tr.select_one('td:nth-child(1) > img') # img 태그까지 가져오기
titles = tr.select_one('td.title > div > a') # a 태그까지 가져오기
stars = tr.select_one('td.point') # tr 태그까지 가져오기

if titles is not None:
    rank = ranks['alt'] # img 태그의 alt 속성값을 가져오기
    title = titles.text # a 태그 사이의 텍스트를 가져오기
    star = stars.text  # td 태그 사이의 텍스트를 가져오기
   
    print(rank, title, star) # 반복문이니까 one으로 돌때마다 하나씩 출력  ```

3. mongoDB


  • mongoDB : NoSQL 방식의 데이터 베이스 저장공간

    • SQL : 행/열의 생김새가 정해진 엑셀에 데이터를 저장하는 것과 유사합니다. 데이터 50만 개가 적재된 상태에서, 갑자기 중간에 열을 하나 더하기는 어려울 것입니다. 그러나, 정형화되어 있는 만큼, 데이터의 일관성이나 / 분석에 용이할 수 있습니다. ex) MS-SQL , My-SQL

    • NoSQL : 딕셔너리 형태로 데이터를 저장해두는 DB입니다. 고로 데이터 하나 하나 마다 같은 값들을 가질 필요가 없게 됩니다. 자유로운 형태의 데이터 적재에 유리한 대신, 일관성이 부족할 수 있습니다. ex) MongoDB

  • Robo3T : 눈에 보이지 않게 작동하는 mongoDB의 내용을 시각화 해주는 프로그램

3-1 pymongo로 DB조작하기

1) pymongo 라이브러리 역할

  • 예를 들어, MS Excel를 파이썬으로 조작하려면, 특별한 라이브러리가 필요
  • 마찬가지로, mongoDB 라는 프로그램을 조작하려면, 특별한 라이브러리, pymongo가 필요

    • DB또한 컴퓨터가 수행하는 하나의 프로그램!!!

2) pymongo 사용법,코드 요약

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
from pymongo import MongoClient           # pymongo를 임포트 하기(패키지 인스톨 먼저 해야겠죠?)
client = MongoClient('localhost', 27017)  # mongoDB는 27017 포트로 돌아갑니다.
db = client.dbsparta                      # 'dbsparta'라는 이름의 db를 만듭니다.

# 코딩 시작

# 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)
same_ages = list(db.users.find({'age':21},{'_id':False}))

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

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

3-2 웹 스크래핑 결과 활용

웹스크래핑 결과 저장(insert)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
import requests
from bs4 import BeautifulSoup

from pymongo import MongoClient
client = MongoClient('localhost', 27017)
db = client.dbsparta

# header : 브라우저에서 엔터를 눌러 요청한 것과 같은 효과를 내기 위해 사용, 대부분의 사이트는 크롤링하는 것을 막아두었기 때문에!!
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.nhn?sel=pnt&date=20200303',headers=headers)

soup = BeautifulSoup(data.text, 'html.parser')
trs = soup.select('#old_content > table > tbody > tr')

for tr in trs :

    ranks = tr.select_one('td:nth-child(1) > img')
    titles = tr.select_one('td.title > div > a')
    stars = tr.select_one('td.point')

    if titles is not None:
        rank = ranks['alt']
        title = titles.text
        star = stars.text
        
        # 딕셔너리 생성
        doc = {  				
            'title' : title,
            'rank' : rank,
            'star' : star
        }
        db.movies.insert_one(doc) # 반복문이니까 one으로 돌때마다 하나씩 insert

웹스크래핑 결과 이용(find, update, delete는 제외)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
from pymongo import MongoClient
client = MongoClient('localhost', 27017)
db = client.dbsparta

matrix = db.movies.find_one({'title':'매트릭스'}) # (1) 영화제목 '매트릭스'의 평점을 가져오기(find_one)
matrix_star = matrix['star']
print(matrix_star)

same_star = list(db.movies.find({'star':matrix_star},{'_id':False})) # (2) '매트릭스'의 평점과 같은 평점의 영화 제목들을 가져오기(find)
for same_star_list in same_star:
    print(same_star_list['title'])

db.movies.update_one({'title':'매트릭스'},{'$set':{'star':'0'}}) # (3) 매트릭스 영화의 평점을 0으로 만들기(update)
								# 문자열 통일을 위해 0 이 아닌 '0' 으로 값 입력

3주차 숙제


지니 뮤직 1~50위 곡 스크래핑 하기

1) 작동 결과

2) 사용코드

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
import requests
from bs4 import BeautifulSoup

from pymongo import MongoClient
client = MongoClient('localhost', 27017)
db = client.dbsparta

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=D&ymd=20200403&hh=23&rtm=N&pg=1',headers=headers)

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

trs = soup.select('#body-content > div.newest-list > div > table > tbody > tr')

for tr in trs :
    ranks = tr.select_one('td.number')
    titles = tr.select_one('td.info > a.title.ellipsis')
    singers = tr.select_one('td.info > a.artist.ellipsis')

    rank = ranks.text.split('\n')[0] 
    title = titles.text.strip()
    singer = singers.text

    print(rank, title, singer)

    # doc = {
    #     'title' : title,
    #     'rank' : rank,
    #     'singer' : singer
    # }
    # db.genie.insert_one(doc) # mongoDB에 'genie'라는 이름으로 저장

3) 숙제간 마주친 문제점과 해결 방법

  1. 정확한 순위 값을 위해 split() 함수 활용

    • 문제점 : rank 변수를 print하게 되면 순위를 나타내는 text가 포함된 태그의 하위태그에도 포함된 text(순위변동를 나타내는)가 함께 출력되어 이를 분리할 필요가 있었다.
      • print(rank) 의 결과값
      • <td class = "number"> 태그 의 하위 태그 인 span 태그들에 추가로 포함되어 있는 텍스트들
    • 해결 방법 : 이를 해결하기 위해 .split을 활용하기로 결정했고, ranks.text.split(' ') print해보니 아래와 같이 \n을 기준으로 순위 값이 구분되어 있는 것을 확인할 수 있었다.

    • 결국 rank = ranks.text.split('\n')[0] 코드로 원하는 순위 텍스트만 뽑아 올 수 있었다.
  2. strip() 함수 활용

    • 문제점 : title을 print 해보면 제목과 제목 사이에 공백이 많이 나오는 것을 확인 할 수 있다.

      • 제목 사이에 많은 공백
    • 해결 방법 : .strip()을 활용하여 텍스트 사이의 공백을 모두 없애는 것으로 해결

      • print(titles.text.strip()) 결과
This post is licensed under CC BY 4.0 by the author.