1. 목적 ¶
Python을 이용해서 Web Crawler를 제작하면서 Python의 사용법을 익히고, 원하는 웹 페이지를 긁기 위한 Web Crawler를 제작한다. (네이버웹툰(돌아온 럭키짱, 신의 탑...), 네이버 캐스트, 그 외의 각종 웹페이지..)
3.2.1. 웹 페이지 소스 긁어오기 ¶
import urllib
import urllib2
req = urllib2.Request('http://9632024.tistory.com/974')
try: urllib2.urlopen(req)
except URLError, e:
print e.reason
fo = open("test1.html","w")
for line in urllib2.urlopen(req).readlines():
fo.write(line)
fo.close()
3.2.2. 소스에서 URL만 추출하기 ¶
import urllib
import urllib2
import string
fo1 = open("test1.html", "r")
fo2 = open("test2.html", "w")
for line in fo1.readlines() :
pos = string.find(line, '"http')
if pos is not -1 :
for c in range(pos+1, len(line)) :
if line[c] is '"' :
fo2.write("\n")
break
fo2.write(line[c])
fo1.close()
fo2.close()
3.2.3. 파일 다운로드하기 ¶
import urllib
import urllib2
fo = open("test2.html", "r")
for line in fo.readlines():
urllib.urlretrieve(line,line.split('/')[-1])
fo.close()
- http://www.wellho.net/resources/ex.php4?item=y108/bejo.py
- split
line = 'http://cfile23.uf.tistory.com/original/2001D2044C945F80495C6F'
line.split('/')-1 == '2001D2044C945F80495C6F'
line.split('/')-2 == 'original'
say = "This is a line of text"
part = line.split(' ')
part == 'This', 'is', 'a', 'line', 'of', 'text'
- swap
Python 2.7.2+ (default, Oct 4 2011, 20:03:08) [GCC 4.6.1] on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> first = 1 >>> second = 2 >>> first, second = second, first >>> print first 2 >>> print second 1 >>> first, second = second, first >>> third = 3 >>> first, second, third = third, first, second >>> print first, second, third 3 1 2
- retrieve
urllib.urlretrieve(url[, filename[, reporthook[, data]]])
http://docs.python.org/library/urllib.html
3.2.4. 디렉토리 만들기 ¶
import os os.chdir(os.getcwd() + '/folder') def create_dir(folder): cdir = os.getcwd() mdir = cdir + folder print mdir; if os.path.isdir(mdir) is False : os.mkdir(mdir , 0755) type = ['/mp3', '/jpg', '/txt'] for t in type : create_dir(t)
- os.chdir(path) - Change the current working directory to path.
- os.getcwd() - Return a string representing the current working directory.
- os.path.isdir(path) - Return True if path is an existing directory.
- os.mkdir(path, mode) - Create a directory named path with numeric mode mode. If the directory already exists, OSError is raised.
http://docs.python.org/library/os.html
http://docs.python.org/library/os.path.html#module-os.path
- mode -
d - 디렉토리 구분
r - 읽기 권한
w - 쓰기 권한
x - 실행 권한
d / rwx / r-x / r-x
3.3. 개선해야 할 점 ¶
- 파일을 저장할 떄 소스 파일에 저장이 되서 지저분하다.
- 필요하지 않은 파일까지 전부 긁어온다.
- 내가 인터넷에서 jpg 파일 긁어오려고 만든 파이썬 코드 있는데 혹시 필요함? - 서민관
- 그러면 매우 감사하죠 ㅎㅎ - 권영기
- 그러면 매우 감사하죠 ㅎㅎ - 권영기
- http://git-scm.com/
- http://wiki.kldp.org/wiki.php/SubversionBook/BranchingAndMerging
