-
Notifications
You must be signed in to change notification settings - Fork 0
/
comment_collector.py
72 lines (56 loc) · 2.51 KB
/
comment_collector.py
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
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
import requests
from bs4 import BeautifulSoup
from selenium import webdriver as wd
import time
import pandas as pd
# 백앤드 완전히 구현 전, 테스트를 위하여 유튜브 댓글 크롤러를 만든다.
VideoUrl = "https://www.youtube.com/watch?v=ahEMgBSxawo"
res = requests.get(VideoUrl)
# html 페이지 파싱해서 영상 제목 가져옴
soup = BeautifulSoup(res.content, 'html.parser')
title = soup.find('title')
# 찾는 영상 제목 확인
print(title.get_text())
# https://somjang.tistory.com/45의 유튜브 크롤러를 활용
# 크롬 드라이버를 따로 설치하여 폴더 내 저장하여 그것을 실행
driver = wd.Chrome('driver/chromedriver')
# 창 크기 고정
driver.set_window_size(700, 700)
# 내가 원하는 영상 비디오를 킨다.
driver.get(VideoUrl)
# 유튜브 댓글은 스크롤링하지 않으면 뜨지 않기 때문에 끝까지 스크롤링하여 댓글이 뜨도록한다.
last_page_height = driver.execute_script("return document.documentElement.scrollHeight")
print("유튜브 댓글 스크롤링 시작")
while True:
driver.execute_script("window.scrollTo(0, document.documentElement.scrollHeight);")
# 인터넷 느릴 경우 대비하여 4초로 수정
time.sleep(4.0)
new_page_height = driver.execute_script("return document.documentElement.scrollHeight")
if new_page_height == last_page_height:
break
last_page_height = new_page_height
html_source = driver.page_source
driver.close()
soup = BeautifulSoup(html_source, 'lxml')
# soup = BeautifulSoup(res.content, 'html.parser')
# 아이디와 내용을 가져온다.
# 더 세분화하여 댓글 시간과 댓글 내용을 분리할 예
youtube_user_IDs = soup.select('div#header-author > a > span')
youtube_comments = soup.select('yt-formatted-string#content-text')
str_youtube_userIDs = []
str_youtube_comments = []
for i in range(len(youtube_user_IDs)):
str_id = str(youtube_user_IDs[i].text) # print(str_tmp)
str_id = str_id.replace('\n', '')
str_id = str_id.replace('\t', '')
str_id = str_id.replace(' ', '')
str_youtube_userIDs.append(str_id)
str_comment = str(youtube_comments[i].text)
str_comment = str_comment.replace('\n', '')
str_comment = str_comment.replace('\t', '')
str_comment = str_comment.replace(' ', '')
str_youtube_comments.append(str_comment)
for i in range(len(str_youtube_userIDs)):
print(str_youtube_userIDs[i], str_youtube_comments[i])
pd_data = {"ID": str_youtube_userIDs, "Comment": str_youtube_comments}
youtube_pd = pd.DataFrame(pd_data)