청와대 국민청원 (https://www1.president.go.kr/petitions) 홈페이지에 올라온 청원의 내용 / 공감 개수 / 댓글을 수집하는, 파이썬 (Python) 으로 구현된 청와대 국민청원 크롤러 입니다. 2019년 3월 이후 청원 게시판이 "청원중"과 "청원완료"로 나뉘어짐에 따라 "청원완료"된 글들만 수집하도록 scraping_petitions.py 스크립트를 수정하였습니다. 단 parse_page 함수는 현재 청원중인 글에 대해서도 적용이 가능합니다.
parse_page 함수에 청원 페이지의 url 을 입력하면 아래의 정보들을 수집할 수 있습니다.
| 항목 | 설명 |
|---|---|
| begin | 청원 시작일 |
| category | 청원 카테고리 (외교, 국방, 경제 등) |
| content | 청원 내용 |
| crawled_at | 수집 시각 |
| end | 청원 종료일 |
| num_agree | 수집 시각의 청원 동의 수 |
| replies | 청원 댓글 |
| status | 현재 청원 진행 상황 (청원시작, 청원진행중, 청원종료, 브리핑) |
from petitions_scraper import parse_page
url = 'https://www1.president.go.kr/petitions/407329'
parse_page(url){'begin': '2018-10-15',
'category': '경제민주화',
'content': '금융위원회가 공모주 개인배정 축소(폐지)로 개인의 공모주 참여를 차단하려고 합니다 이와같은 금융위원회의 공모주 개인배정 축소(폐지)는 영세 개인 사업자의 골목상권을 빼앗아 가는 횡포와 같습니다. 이같은 행위는기업의 경제적 이익을 위해 개인의 밥그릇을 빼앗는 것으로 서민의 생계를 위협하는 처사입니다. 작금의 어려운 서민경제에서 가계에 조금이라도 보탬이 되고자 하는 개인 공모주 참여를 계속할 수 있도록 공모주 개인 배정 물량을 지금과 같이 할 수 있도록 꼭꼭 지켜주십시오.',
'crawled_at': '2018-10-15 10:27:18',
'end': '2018-11-14',
'num_agree': 9,
'status': '청원진행중'}
현재 청원 게시판에 등록되어 있는 카테고리를 살펴볼 수 있습니다.
from petitions_scrapper import show_categories
show_categories()idx = 0 , name = 전체
idx = 35 , name = 정치개혁
idx = 36 , name = 외교/통일/국방
idx = 37 , name = 일자리
idx = 38 , name = 미래
idx = 39 , name = 성장동력
idx = 40 , name = 농산어촌
idx = 41 , name = 보건복지
idx = 42 , name = 육아/교육
idx = 43 , name = 안전/환경
idx = 44 , name = 저출산/고령화대책
idx = 45 , name = 행정
idx = 46 , name = 반려동물
idx = 47 , name = 교통/건축/국토
idx = 48 , name = 경제민주화
idx = 49 , name = 인권/성평등
idx = 50 , name = 문화/예술/체육/언론
idx = 51 , name = 기타
다음의 argument 를 입력하여 청와대 청원 데이터를 directory 에 수집할 수 있습니다. 청원을 수집하는 과정에서 접속 오류가 자주 나는데, repeats 횟수만큼 수집하지 못한 청원들을 재수집합니다. 그 결과는 index_file 에 기록됩니다. 0 은 청원이 존재하지 않거나 혹은 수집이 실패했음을 의미하며, 1 은 청원 수집이 완료되었음을 의미합니다.
| Argument | Type | Default | Help |
|---|---|---|---|
| directory | str | 'output_dev' | JSON storage directory |
| first_index | int | -1 | First index of petition |
| last_index | int | -1 | Last (latest) index of petition |
| index_file | str | 'index.txt' | Index of petitions to be scraped |
| sleep | float | 1 | Sleep time for each petitions |
| repeats | int | 10 | Number of repeating |
| show_last_index | Boolean | False | store_true |
| show_result | Boolean | False | store_true |
python scraping_petitions.py --first_index 582480 --last_index 582495