Korean Scraper

Korean website specialized scraper with anti-bot protection (Naver, Coupang, Daum, Instagram)

한국 웹사이트 전문 스크래퍼 — Playwright 기반으로 네이버, 쿠팡, 다음 등 한국 주요 사이트에서 구조화된 데이터를 추출합니다. Anti-bot 보호 우회 기능 포함.

When to Use

• 네이버 블로그 검색 결과 수집 또는 특정 블로그 본문 추출
• 네이버 카페 인기글/최신글 스크래핑
• 쿠팡 상품 정보 (가격, 리뷰, 별점) 수집
• 네이버 뉴스/다음 뉴스 기사 본문 추출
• 한국 사이트 대상 자동화된 데이터 수집

Installation

bash

cd skills/korean-scraper
npm install
npx playwright install chromium

Quick Start

네이버 블로그

bash

# 검색 결과 수집
node scripts/naver-blog.js search "맛집 추천" --limit 10

# 특정 블로그 본문 추출
node scripts/naver-blog.js extract "https://blog.naver.com/..."

네이버 카페

bash

# 인기글 수집
node scripts/naver-cafe.js popular "카페URL" --limit 20

# 최신글 수집
node scripts/naver-cafe.js recent "카페URL" --limit 20

쿠팡 상품

bash

# 상품 정보 추출
node scripts/coupang.js product "상품URL"

# 검색 결과 수집
node scripts/coupang.js search "무선 이어폰" --limit 20

네이버 뉴스

bash

# 검색 결과 수집
node scripts/naver-news.js search "AI" --limit 10

# 기사 본문 추출
node scripts/naver-news.js extract "https://n.news.naver.com/..."

다음 뉴스

bash

# 검색 결과 수집
node scripts/daum-news.js search "경제" --limit 10

# 기사 본문 추출
node scripts/daum-news.js extract "https://v.daum.net/..."

Output Format

모든 스크립트는 구조화된 JSON을 반환합니다:

네이버 블로그 검색

json

{
  "status": "success",
  "query": "맛집 추천",
  "count": 10,
  "results": [
    {
      "title": "서울 강남 맛집 추천 BEST 5",
      "url": "https://blog.naver.com/...",
      "blogger": "맛집탐험가",
      "date": "2026-02-15",
      "snippet": "강남역 근처 숨은 맛집들을..."
    }
  ]
}

네이버 블로그 본문

json

{
  "status": "success",
  "url": "https://blog.naver.com/...",
  "title": "서울 강남 맛집 추천 BEST 5",
  "author": "맛집탐험가",
  "date": "2026-02-15",
  "content": "# 서울 강남 맛집 추천 BEST 5\n\n1. ...",
  "images": ["https://..."],
  "tags": ["맛집", "강남", "서울"]
}

쿠팡 상품

json

{
  "status": "success",
  "url": "https://www.coupang.com/...",
  "productName": "애플 에어팟 프로 2세대",
  "price": 299000,
  "originalPrice": 359000,
  "discount": "17%",
  "rating": 4.8,
  "reviewCount": 1523,
  "rocketDelivery": true,
  "seller": "쿠팡",
  "images": ["https://..."]
}

네이버 카페

json

{
  "status": "success",
  "cafeUrl": "https://cafe.naver.com/...",
  "type": "popular",
  "count": 20,
  "posts": [
    {
      "title": "신입 회원 인사드립니다",
      "url": "https://cafe.naver.com/.../12345",
      "author": "닉네임",
      "date": "2026-02-17",
      "views": 523,
      "comments": 12
    }
  ]
}

뉴스 기사

json

{
  "status": "success",
  "url": "https://n.news.naver.com/...",
  "title": "AI 시장 규모 급성장 전망",
  "media": "조선일보",
  "author": "홍길동 기자",
  "date": "2026-02-17 09:30",
  "content": "# AI 시장 규모 급성장 전망\n\n...",
  "category": "IT/과학",
  "images": ["https://..."]
}

Anti-Bot Features

• navigator.webdriver 숨김 — 자동화 탐지 회피
• 실제 User-Agent 사용 — 모바일/데스크탑 랜덤
• 인간 행동 모방 — 랜덤 딜레이, 스크롤
• Stealth Plugin — Playwright extra stealth
• Cloudflare 우회 — 대기 시간 자동 조정

Rate Limiting

모든 스크립트는 기본적으로 사이트를 보호합니다:

• 요청당 2-5초 랜덤 딜레이
• 동일 도메인 1초당 최대 1회 요청
• 429 응답 시 자동 백오프
• --fast 플래그로 딜레이 축소 가능 (주의)

Error Handling

상황	동작
404	JSON으로 에러 반환, 계속 진행
403/차단	재시도 (최대 3회)
타임아웃	대기 시간 연장 후 재시도
로그인 필요	경고 메시지 + 가능한 데이터만 반환

Environment Variables

bash

# Headless 모드 끄기 (디버깅용)
HEADLESS=false node scripts/naver-blog.js ...

# 스크린샷 저장
SCREENSHOT=true node scripts/coupang.js ...

# 대기 시간 조정 (ms)
WAIT_TIME=10000 node scripts/naver-cafe.js ...

# User-Agent 커스텀
USER_AGENT="..." node scripts/naver-news.js ...

Integration Examples

OpenClaw Agent 통합

javascript

// 네이버 블로그 검색
const result = await exec({
  command: 'node scripts/naver-blog.js search "AI 트렌드" --limit 5',
  workdir: '/path/to/skills/korean-scraper'
});
const data = JSON.parse(result.stdout);

Batch Processing

bash

# 여러 URL 일괄 처리
cat urls.txt | while read url; do
  node scripts/naver-blog.js extract "$url" >> results.jsonl
done

Limitations

• 로그인 필요 콘텐츠: 현재 비로그인 상태로만 스크래핑 (쿠팡 일부 리뷰 등)
• 동적 로딩: 무한 스크롤은 기본 10개까지만 (--scroll 플래그로 확장 가능)
• CAPTCHA: 수동 우회 필요 (자동화 불가)
• IP 차단: 과도한 요청 시 일시적 차단 가능 (rate limiting 준수 필요)

Compliance & Ethics

• ✅ 공개된 정보만 수집
• ✅ robots.txt 준수 (기본값)
• ✅ Rate limiting으로 서버 부하 최소화
• ❌ 개인정보 수집 금지
• ❌ 로그인 필요 콘텐츠 무단 접근 금지
• ❌ 저작권 침해 목적 사용 금지

Troubleshooting

문제: 403 Forbidden

해결책:

1. User-Agent 변경 시도
2. 대기 시간 늘리기 (WAIT_TIME=15000)
3. Headless 모드 끄기 (HEADLESS=false)

문제: 빈 결과 반환

해결책:

1. URL 형식 확인
2. 사이트 구조 변경 가능성 (셀렉터 업데이트 필요)
3. 로그인 필요 여부 확인

문제: Timeout

해결책:

1. WAIT_TIME 늘리기
2. 인터넷 연결 확인
3. 사이트 접근 가능 여부 확인 (VPN 필요 등)

Maintenance

한국 사이트들은 UI를 자주 변경하므로, 셀렉터 업데이트가 필요할 수 있습니다.

셀렉터 위치: scripts/ 내 각 파일 상단 SELECTORS 객체

javascript

const SELECTORS = {
  blogTitle: '.se-title-text',
  blogContent: '.se-main-container',
  // ...
};

Future Improvements

• 인스타그램 게시물 스크래핑
• 네이버 쇼핑 가격 비교
• 유튜브 한국 채널 메타데이터
• 배치 처리 최적화 (병렬 실행)
• 쿠키/세션 관리 (로그인 유지)
• Proxy 지원

References

• Playwright Official Docs
• playwright-extra-plugin-stealth
• 네이버 개발자 센터