https://developers.naver.com/main/
NAVER Developers
네이버 오픈 API들을 활용해 개발자들이 다양한 애플리케이션을 개발할 수 있도록 API 가이드와 SDK를 제공합니다. 제공중인 오픈 API에는 네이버 로그인, 검색, 단축URL, 캡차를 비롯 기계번역, 음
developers.naver.com
Application 메뉴 => 등록 네이버 오픈 API키 발급 받기
Documents 메뉴 => 네이버 오픈 API 종류
R 버전 3.6.3
RLab01
# 네이버 오픈 API
# 네이버에는 뉴스,쇼핑,블로그,카페,지식in,전문자료,영화,책 등 다양한 정보 제공하는 메뉴들이 있음.
# 이런 정보들을 쉽게 받아볼수 있도록 오픈API를 제공함.
# API이용신청 => API이용신청 승인 => API호출 => 결과
# 필요한 패키지
# Rcurl : 일반적인 HTTP 요청(다운로드)
# Remcabko : 한글 문장의 형태소 분석
# wordcloud : 워드 클라우드 출력
# XML : 로컬, 웹에 연결된 XML, HTML문서 읽음.
# 네이버 오픈 API키 발급 받기
# Client ID :
# Client Secret :
# 뉴스검색 : "인공지능" 키워드
# 1)API 설정
# 2)URL 작성
# 3)문서 다운로드 : getURL()
# 4)XML 문서구조로 변환 : xmlparse()
# 5)뉴스 내용 추출 : xpathsApply()
# 6)데이터 정제 : gsub()
# 7)단어 추출 : nouns()
# 8)단어 빈도분석 : table()
# 9)워드 클라우드 출력 : wordcloud()
install.packages("RCurl")
# install.packages("XML")
# install.packages("wordcloud")
install.packages("RmecabKo")
library(RCurl)
library(XML)
library(wordcloud)
library(RmecabKo)
# RmecabKo 패키지에서 사용하는 형태소 기본 기능 설치 => 폴더가 자동 생성됨.
install_mecab("C:/Rlibs/mecab")
library(RmecabKo)
# API설정 (뉴스검색 API, 클라이언트 ID, 시크릿)
searchUrl <- "https://openapi.naver.com/v1/search/news.xml"
Client_ID <- "u3POQ31h1ZrcLd7tp8Q6"
Client_Secret <- "_mPL84AwgG"
query <- URLencode(iconv("인공지능","euc-kr","UTF-8"))
# URL작성(검색 키워드를 "UTF-8"로 암호화하고 API로 요청할 UML를 만듬. 검색결과는 20개로 요청)
url <- paste(searchUrl, "?query=", query,
"&display=20", sep = "")
# 문서 다운로드
doc <- getURL(url,
httpheader=c('Content-Type'="application/xml",
'X-Naver-Client-Id'=Client_ID,
'X-Naver-Client-Secret'=Client_Secret))
doc
# 뉴스 추출 및 단어 간 빈도 비교
xmlFile <- xmlParse(doc)
# 뉴스추출
# XML문서에 있는 20개의 <item>태그 내에 있는 태그들을 항목명으로
# 하는 데이터프레임 생성
df <- xmlToDataFrame(getNodeSet(xmlFile, "//item"))
df
# 뉴스내용
description <- df[,4]
description
# 뉴스내용 데이터 정제
# 숫자(\\d), <b></b>태그, HTML문서의 큰따움표(") => 빈문자열로 대체
# '|'는 or 조건
description2 <- gsub("\\d|<b>|</b>|"","",description)
description2
# 단어추출 RmecabKo패키지의 nouns()함수 사용
# 20개의 각 뉴스에 대한 단어 추출결과를 리스트로 나타남.
# iconv() : 문자 백터를 암호화하는 기능
nouns <- nouns(iconv(description2, "UTF-8"))
nouns
# 리스트를 백터로 변환
# 각 리스트의 단어들을 하나의 백터로 통합
# 'use.names = F' : 뉴스 원문을 제외
nouns.all <- unlist(nouns,use.names = F)
nouns.all
# 글자수가 1자 이하인 단어 추출 ==> 분석에서 제외 대상
nouns.all1 <- nouns.all[nchar(nouns.all)<=1]
nouns.all1
# 글자수가 2자 이상인 단어 추출 ==> 분석대상
nouns.all2 <- nouns.all[nchar(nouns.all)>=2]
nouns.all2
# 단어 빈도
nouns.freq <- table(nouns.all2)
nouns.freq
# 단어 빈도를 데이터 프레임으로 생성(문자열의경우, 펙터유형으로 하지 않음.)
nouns.df <- data.frame(nouns.freq, stringsAsFactors = F)
nouns.df
# 단어 빈도가 역순으로 정렬
nouns.df.sort <- nouns.df[order(-nouns.df$Freq),]
nouns.df.sort
# 단어의 워드 클라우드
wordcloud(nouns.df.sort[,1], # 단어
freq = nouns.df.sort[,2], # 빈도
min.freq = 1, # 최소 단어 빈도
scale = c(3,0.7), # 단어 크기 범위
rot.per = 0.25, # 회전 비율
random.order = F, # 고빈도 단어 중앙배치
random.color = T,
colors = rainbow(10)
)
install.packages("wordcloud2")
library(wordcloud2)
wordcloud2(nouns.df.sort) 
lab02
실습 블로그 검색 여행 키워드
# 실습
# 네이버 블로그에서 검색
# 여행에 관한 네이버 블로그를 검색해서 어떤 단어들이 많이 나타나는지 파악해보자
# 네이버 오픈 API
# 네이버에는 뉴스,쇼핑,블로그,카페,지식in,전문자료,영화,책 등 다양한 정보 제공하는 메뉴들이 있음.
# 이런 정보들을 쉽게 받아볼수 있도록 오픈API를 제공함.
# API이용신청 => API이용신청 승인 => API호출 => 결과
# 필요한 패키지
# Rcurl : 일반적인 HTTP 요청(다운로드)
# Remcabko : 한글 문장의 형태소 분석
# wordcloud : 워드 클라우드 출력
# XML : 로컬, 웹에 연결된 XML, HTML문서 읽음.
# 네이버 오픈 API키 발급 받기
# Client ID :
# Client Secret :
# 블로그검색 : "여행" 키워드
# 1)API 설정
# 2)URL 작성
# 3)문서 다운로드 : getURL()
# 4)XML 문서구조로 변환 : xmlparse()
# 5)뉴스 내용 추출 : xpathsApply()
# 6)데이터 정제 : gsub()
# 7)단어 추출 : nouns()
# 8)단어 빈도분석 : table()
# 9)워드 클라우드 출력 : wordcloud()
install.packages("RCurl")
# install.packages("XML")
# install.packages("wordcloud")
install.packages("RmecabKo")
library(RCurl)
library(XML)
library(wordcloud)
library(RmecabKo)
# RmecabKo 패키지에서 사용하는 형태소 기본 기능 설치 => 폴더가 자동 생성됨.
install_mecab("C:/Rlibs/mecab")
library(RmecabKo)
# API설정 (블로그검색 API, 클라이언트 ID, 시크릿)
searchUrl <- "https://openapi.naver.com/v1/search/blog"
Client_ID <- "u3POQ31h1ZrcLd7tp8Q6"
Client_Secret <- "_mPL84AwgG"
query <- URLencode(iconv("여행","euc-kr","UTF-8"))
# URL작성(검색 키워드를 "UTF-8"로 암호화하고 API로 요청할 UML를 만듬. 검색결과는 20개로 요청)
url <- paste(searchUrl, "?query=", query,
"&display=20", sep = "")
# 문서 다운로드
doc <- getURL(url,
httpheader=c('Content-Type'="application/xml",
'X-Naver-Client-Id'=Client_ID,
'X-Naver-Client-Secret'=Client_Secret))
doc
# 뉴스 추출 및 단어 간 빈도 비교
xmlFile <- xmlParse(doc)
# 뉴스추출
# XML문서에 있는 20개의 <item>태그 내에 있는 태그들을 항목명으로
# 하는 데이터프레임 생성
df <- xmlToDataFrame(getNodeSet(xmlFile, "//item"))
df
# 뉴스내용
description <- df[,4]
description
# 뉴스내용 데이터 정제
# 숫자(\\d), <b></b>태그, HTML문서의 큰따움표(") => 빈문자열로 대체
# '|'는 or 조건
description2 <- gsub("\\d|<b>|</b>|"","",description)
description2
# 단어추출 RmecabKo패키지의 nouns()함수 사용
# 20개의 각 뉴스에 대한 단어 추출결과를 리스트로 나타남.
# iconv() : 문자 백터를 암호화하는 기능
nouns <- nouns(iconv(description2, "UTF-8"))
nouns
# 리스트를 백터로 변환
# 각 리스트의 단어들을 하나의 백터로 통합
# 'use.names = F' : 뉴스 원문을 제외
nouns.all <- unlist(nouns,use.names = F)
nouns.all
# 글자수가 1자 이하인 단어 추출 ==> 분석에서 제외 대상
nouns.all1 <- nouns.all[nchar(nouns.all)<=1]
nouns.all1
# 글자수가 2자 이상인 단어 추출 ==> 분석대상
nouns.all2 <- nouns.all[nchar(nouns.all)>=2]
nouns.all2
# 단어 빈도
nouns.freq <- table(nouns.all2)
nouns.freq
# 단어 빈도를 데이터 프레임으로 생성(문자열의경우, 펙터유형으로 하지 않음.)
nouns.df <- data.frame(nouns.freq, stringsAsFactors = F)
nouns.df
# 단어 빈도가 역순으로 정렬
nouns.df.sort <- nouns.df[order(-nouns.df$Freq),]
nouns.df.sort
# 단어의 워드 클라우드
wordcloud(nouns.df.sort[,1], # 단어
freq = nouns.df.sort[,2], # 빈도
min.freq = 1, # 최소 단어 빈도
scale = c(3,0.7), # 단어 크기 범위
rot.per = 0.25, # 회전 비율
random.order = F, # 고빈도 단어 중앙배치
random.color = T,
colors = rainbow(10)
)
install.packages("wordcloud2")
library(wordcloud2)
wordcloud2(nouns.df.sort) 
n
