--- title: "@라이언미첼 파이썬 웹 크롤러" url: "https://notes.junghanacs.com/bib/20250215T164739" author: "Junghan Kim" date: "2025-02-15T16:47:00+09:00" lastmod: "2025-02-15T16:47:00+09:00" tags: ["bib","python","scraping","web","nltk"] description: "웹 스크래핑과 크롤링의 기초부터 실전 수집 전략까지 파이썬으로 익히게 해 주는 대표적인 입문서다." --- > [!abstract] 이 노트에 대하여 > > 웹 스크래핑과 크롤링의 기초부터 실전 수집 전략까지 파이썬으로 익히게 해 주는 대표적인 입문서다. ## BIBLIOGRAPHY - 라이언 미첼. 2025. *파이썬으로 웹 크롤러 만들기*. Translated by 최경현. . - “Remitchell/Python-Scraping.” 2025. . ## 히스토리 - [2025-04-28 Mon 15:52] [#검색엔진](https://notes.junghanacs.com/meta/20241002T085733) 관련 - [2025-02-15 Sat 16:47] 생성 ## 파이썬으로 웹 크롤러 만들기 ([라이언 미첼 2025](https://notes.junghanacs.com/bib/20250215T164739#citeproc_bib_item_1)) - 라이언 미첼 최경현 - 다양한 웹에서 효율적으로 데이터를 수집하는 방법 A to Z오늘날 데이터가 넘쳐나는 웹에서 웹 크롤러로 할 수 있는 일은 무궁무진하다. 이 마법을 위한 준비물은 약간의 파이썬 프로그래밍 능력 하나뿐, 나머지는 이 책에 모두 담겨 있다. - Web Scraping with Python 3rd - 웹 스크레이핑(Web Scraping)과 웹 크롤링(Web Crawling)의 개념 ### 책소개- 다양한 웹에서 효율적으로 데이터를 수집하는 방법 A to Z 오늘날 데이터가 넘쳐나는 웹에서 웹 크롤러로 할 수 있는 일은 무궁무진하다. 이 마법을 위한 준비물은 약간의 파이썬 프로그래밍 능력 하나뿐, 나머지는 이 책에 모두 담겨 있다. 이 책을 활용하면 웹 크롤링을 이용해 업무를 자동화하고, 복잡한 웹 콘텐츠를 처리하는 통찰력을 얻게 될 것이다. 새롭게 3판으로 개정된 이 책은 전반적인 코드를 최신화하고 실무에서 활용할 수 있는 예제를 추가했다. 또한 브라우저 자동화를 위한 셀레니움, 정확한 데이터 추출을 위한 XPath도 함께 다fns다. 복잡한 웹 세상에서 효율적으로 데이터를 수집하고 싶은, ‘일상의 데이터 분석가’를 꿈꾸는 모두에게 이 책은 가장 정확한 나침반이 되어 줄 것이다. ### [PART 1 웹 스크레이퍼 제작] #### CHAPTER 1 인터넷 작동 원리 ##### 1.1 네트워킹 ###### 1.1.1 물리 계층 ###### 1.1.2 데이터 링크 계층 ###### 1.1.3 네트워크 계층 ###### 1.1.4 전송 계층 ###### 1.1.5 세션 계층 ###### 1.1.6 표현 계층 ###### 1.1.7 응용 계층 ##### 1.2 HTML ##### 1.3 CSS ##### 1.4 자바스크립트 ##### 1.5 개발자 도구로 웹사이트 검사하기 #### CHAPTER 2 웹 스크레이핑의 합법성과 윤리 ##### 2.1 상표? 저작권? 특허? ###### 2.1.1 저작권법 ##### 2.2 동산 침해 ##### 2.3 컴퓨터 사기와 악용에 관한 법률 ##### 2.4 robots.txt와 이용 약관 ##### 2.5 세 가지 웹 스크레이퍼 사례 ###### 2.5.1 이베이 vs. 비더스 에지: 동산 침해 ###### 2.5.2 미국 vs. 오언하이머: 컴퓨터 사기와 악용에 관한 법률 ###### 2.5.3 필드 vs. 구글: 저작권과 robots.txt #### CHAPTER 3 웹 스크레이핑 활용 분야 ##### 3.1 프로젝트 분류하기 ##### 3.2 이커머스 ###### 3.2.1 마케팅 ##### 3.3 학술 연구 ##### 3.4 제품 개발 ##### 3.5 여행 ##### 3.6 영업 ##### 3.7 SERP 스크레이핑 #### CHAPTER 4 첫 번째 웹 스크레이퍼 ##### 4.1 주피터 노트북 설치 및 실행 ##### 4.2 연결 ##### 4.3 BeautifulSoup 소개 ###### 4.3.1 BeautifulSoup 설치 ###### 4.3.2 BeautifulSoup 실행 ###### 4.3.3 신뢰할 수 있는 연결과 예외 처리 #### CHAPTER 5 고급 HTML 분석 ##### 5.1 다시 BeautifulSoup ###### 5.1.1 find()와 find\*\*\*\* all() ###### 5.1.2 기타 BeautifulSoup 객체 ###### 5.1.3 트리 이동 ##### 5.2 정규 표현식 ##### 5.3 정규 표현식과 BeautifulSoup ##### 5.4 속성에 접근하기 ##### 5.5 람다 표현식 ##### 5.6 닭 잡는 데 소 잡는 칼을 쓸 필요는 없습니다 #### CHAPTER 6 크롤링 시작하기 ##### 6.1 단일 도메인 내의 이동 ##### 6.2 전체 사이트 크롤링 ###### 6.2.1 전체 사이트에서 데이터 수집 ##### 6.3 인터넷 크롤링 #### CHAPTER 7 웹 크롤링 모델 ##### 7.1 객체 계획 및 정의 ##### 7.2 다양한 웹사이트 레이아웃 다루기 ##### 7.3 크롤러 구성 ###### 7.3.1 검색을 통한 사이트 크롤링 ###### 7.3.2 링크를 통한 사이트 크롤링 ###### 7.3.3 여러 페이지 유형 크롤링 ##### 7.4 웹 크롤러 모델에 대한 생각 #### CHAPTER 8 스크레이피 ##### 8.1 스크레이피 설치 ###### 8.1.1 새 스파이더 초기화 ##### 8.2 간단한 스크레이퍼 작성하기 ##### 8.3 규칙에 의한 스파이더링 ##### 8.4 항목 만들기 ##### 8.5 항목 출력하기 ##### 8.6 파이프라인 ##### 8.7 스크레이피 로깅 ##### 8.8 마치며 #### CHAPTER 9 데이터 저장 ##### 9.1 미디어 파일 ##### 9.2 데이터를 CSV로 저장 ##### 9.3 MySQL ###### 9.3.1 MySQL 설치 ###### 9.3.2 기본 명령어 ###### 9.3.3 파이썬과 통합 ###### 9.3.4 데이터베이스 테크닉과 모범 사례 ###### 9.3.5 여섯 다리와 MySQL ##### 9.4 이메일 ### [PART 2 고급 스크레이핑] #### CHAPTER 10 문서 읽기 ##### 10.1 문서 인코딩 ##### 10.2 텍스트 ###### 10.2.1 텍스트 인코딩과 인터넷 ##### 10.3 CSV ###### 10.3.1 CSV 파일 읽기 ##### 10.4 PDF ##### 10.5 마이크로소프트 워드와 .docx #### CHAPTER 11 지저분한 데이터 다루기 ##### 11.1 텍스트 정리하기 ##### 11.2 정규화된 텍스트 다루기 ##### 11.3 판다스로 데이터 정리하기 ###### 11.3.1 정리 ###### 11.3.2 인덱싱, 정렬, 필터링 ###### 11.3.3 판다스에 대해 더 알아보기 #### CHAPTER 12 자연어 읽고 쓰기 ##### 12.1 데이터 요약 ##### 12.2 마르코프 모델 ###### 12.2.1 케빈 베이컨의 여섯 다리: 결론 ##### 12.3 자연어 툴킷 ###### 12.3.1 설치 ###### 12.3.2 NLTK를 사용한 통계적 분석 ###### 12.3.3 NLTK를 사용한 사전적 분석 ##### 12.4 마치며 #### CHAPTER 13 폼과 로그인 뚫기 ##### 13.1 파이썬 requests 라이브러리 ##### 13.2 기본적인 폼 전송 ##### 13.3 라디오 버튼, 체크박스, 기타 필드 ##### 13.4 파일과 이미지 전송 ##### 13.5 로그인과 쿠키 처리 ###### 13.5.1 HTTP 기본 접근 인증 ##### 13.6 기타 폼 문제 #### CHAPTER 14 자바스크립트 스크레이핑 ##### 14.1 자바스크립트에 관한 간단한 소개 ###### 14.1.1 널리 쓰이는 자바스크립트 라이브러리 ##### 14.2 Ajax와 DHTML ##### 14.3 셀레니움으로 파이썬에서 자바스크립트 실행 ###### 14.3.1 셀레니움 설치 및 실행 ###### 14.3.2 셀레니움 선택자 ###### 14.3.3 페이지 로딩 대기 ###### 14.3.4 XPath ##### 14.4 그 밖의 셀레니움 웹드라이버 ##### 14.5 리다이렉트 처리 ##### 14.6 자바스크립트에 대한 마지막 노트 #### CHAPTER 15 API를 통한 크롤링 ##### 15.1 API에 대한 간단한 소개 ###### 15.1.1 HTTP 메서드와 API ###### 15.1.2 API 응답에 대해 ##### 15.2 JSON 파싱 ##### 15.3 문서화되지 않은 API ###### 15.3.1 문서화되지 않은 API 찾기 ###### 15.3.2 문서화되지 않은 API 문서화하기 ##### 15.4 API와 다른 데이터 소스의 결합 ##### 15.5 마치며 #### CHAPTER 16 이미지 처리와 텍스트 인식 ##### 16.1 라이브러리 개관 ###### 16.1.1 필로 ###### 16.1.2 테서랙트 ###### 16.1.3 넘파이 ##### 16.2 형식이 일정한 텍스트 처리 ###### 16.2.1 이미지 자동 조정 ###### 16.2.2 웹사이트 이미지에서 텍스트 스크레이핑하기 ##### 16.3 CAPTCHA 읽기와 테서랙트 훈련 ###### 16.3.1 테서랙트 훈련 ##### 16.4 CAPTCHA 가져오기와 답 보내기 #### CHAPTER 17 스크레이핑 함정 피하기 ##### 17.1 스크레이핑의 윤리에 관해 ##### 17.2 사람처럼 보이기 ###### 17.2.1 헤더를 수정하십시오 ###### 17.2.2 쿠키 처리 ###### 17.2.3 TLS 핑거프린팅 ###### 17.2.4 타이밍이 가장 중요합니다 ##### 17.3 널리 쓰이는 폼 보안 기능 ###### 17.3.1 숨긴 필드 값 ###### 17.3.2 허니팟 피하기 ##### 17.4 사람처럼 보이기 위한 체크리스트 #### CHAPTER 18 스크레이퍼로 웹사이트 테스트하기 ##### 18.1 테스트 입문 ###### 18.1.1 단위 테스트란? ##### 18.2 파이썬 unittest ###### 18.2.1 위키백과 테스트 ##### 18.3 셀레니움을 사용한 테스트 ###### 18.3.1 사이트 조작 #### CHAPTER 19 병렬 웹 스크레이핑 ##### 19.1 프로세스 vs. 스레드 ##### 19.2 멀티스레드 크롤링 ###### 19.2.1 경쟁 상태와 큐 ###### 19.2.2 threading 모듈 ##### 19.3 멀티 프로세스 ###### 19.3.1 멀티프로세스 크롤링 ###### 19.3.2 프로세스 간 통신 ##### 19.4 멀티프로세스 크롤링의 다른 접근법 #### CHAPTER 20 웹 스크레이핑 프록시 ##### 20.1 원격 서버를 쓰는 이유 ###### 20.1.1 IP 주소 차단 방지 ###### 20.1.2 이동성과 확장성 ##### 20.2 토르 ###### 20.2.1 파이삭스 ##### 20.3 원격 호스팅 ###### 20.3.1 웹사이트 호스팅 계정에서 실행 ###### 20.3.2 클라우드에서 실행 ###### 20.3.3 미래를 향해 ##### 20.4 웹 스크레이핑 프록시 ###### 20.4.1 스크레이핑비 ###### 20.4.2 스크레이퍼API ###### 20.4.3 옥시랩스 ###### 20.4.4 자이트 ##### 20.5 마치며 ### 출판사 리뷰 HTML 기본 개념부터 AI 기반 데이터 추출까지, 높아진 웹의 장벽을 뛰어넘을 수 있는 최신 웹 크롤링 가이드 점점 더 다양하고 복잡해지는 방대한 정보의 바다에서 원하는 데이터를 얻으려면 어떻게 해야 할까요? 흩어진 데이터를 의미 있는 정보로 만들 수 있는 효과적인 도구가 있을까요? 『파이썬으로 웹 크롤러 만들기(3판)』는 이러한 질문들에 완벽한 답을 제공합니다. 1부에서는 웹 크롤링에 대한 기본적인 개념과 함께 파이썬과 BeautifulSoup 및 스크레이피와 같은 인기 라이브러리를 사용하는 비교적 간단한 웹 크롤러를 소개합니다. 그 후 MySQL의 데이터 저장, API 처리, CSV, PDF, 워드와 같은 형식의 문서 분석과 같은 핵심 기술을 이해하며 웹을 탐색하는 기본기를 배우게 됩니다. 2부에서는 1부에서 배운 기본기를 토대로 보다 복잡한 웹 환경을 분석하고 처리하기 위한 고급 기술을 다룹니다. 셀레니움을 활용하여 동적 자바스크립트 기반 페이지를 스크랩하고, 판다스와 같은 도구를 사용하여 지저분한 데이터를 정리하는 방법을 알아봅니다. 또한, 텍스트 데이터에서 의미를 추출할 수 있는 NLTK를 활용한 자연어 처리를 설명하며, 이미지에서 텍스트를 추출하여 CAPTCHA를 우회할 수 있는 테서랙트와 필로 같은 도구들도 함께 소개합니다. 변화하는 최신 웹 환경에 적절히 대응할 수 있도록 개정된 3판에서는 2판보다 이해하기 편한 구성으로 내용을 재배치하였고, 전반적으로 코드를 업데이트했습니다. 웹 크롤링을 처음 시작하는 초급자는 물론, 기존에 웹 크롤링을 업무에 활용하고 있던 중급자 이상의 분들에게도 만족감을 드릴 수 있는 도서라 자부합니다. 대상 독자 - 웹 크롤링을 시작하고 싶은 모든 개발자 - 이미 업무에 웹 크롤링을 활용하고 있는 개발자 - 파이썬을 이용하여 웹 데이터를 모으고 싶은 개발자 주요 내용 - 복잡한 HTML 파싱 - 자연어 읽고 쓰기 - 폼 및 로그인 크롤링 - 스크레이피 프레임워크로 크롤러 만들기 - 수집한 데이터를 저장하는 다양한 방법 - 자바스크립트 수집 및 API 이용 - 문서에서 데이터를 읽고 추출하기 - 봇 차단을 피하는 법 - 지저분한 데이터 형식 정돈하기 - 크롤러를 이용한 웹사이트 테스팅 ### 추천평 ### REMitchell/python-scraping ([“Remitchell/Python-Scraping” 2025](https://notes.junghanacs.com/bib/20250215T164739#citeproc_bib_item_2)) REMitchell 2025 Code samples from the book Web Scraping with Python