Skip to content

README.md

Latest commit

 

History

History
115 lines (82 loc) · 3.23 KB

README.md

File metadata and controls

115 lines (82 loc) · 3.23 KB
Raw

GPT 기반 교보문고 도서 추천 시스템

교보문고에서 도서 정보를 크롤링하고, GPT를 활용하여 개인화된 도서 추천을 제공하는 웹 애플리케이션입니다.

프로젝트 구조

├── crawler.py      # 교보문고 크롤링 모듈
├── main.py         # FastAPI 백엔드 서버
├── gradio_app.py   # Gradio 웹 인터페이스
└── images/         # 크롤링한 책 이미지 저장 폴더

주요 기능

🔍 도서 검색 및 크롤링

  • 교보문고에서 키워드 기반 도서 검색
  • 책 제목, 저자, 가격, 출판사, 출판일 정보 수집
  • 책 표지 이미지 자동 다운로드 및 저장
  • MongoDB에 크롤링 데이터 저장

🤖 GPT 기반 도서 추천

  • OpenAI GPT-4를 활용한 지능형 도서 추천
  • 선택한 책과 유사한 주제/스타일의 책 3권 추천
  • 각 추천에 대한 상세한 이유 제공

기술 스택

  • Backend: FastAPI, Python
  • Database: MongoDB
  • Web Scraping: Selenium, BeautifulSoup
  • AI: OpenAI GPT-4 API
  • Frontend: Gradio
  • Image Processing: Pillow (PIL)

설치 및 실행

1. 의존성 설치

pip install fastapi uvicorn pymongo selenium beautifulsoup4 openai gradio pillow python-dotenv webdriver-manager requests

2. 환경 변수 설정

.env 파일을 생성하고 다음 정보를 입력하세요:

API_KEY=your_openai_api_key
MONGODB=your_mongodb_connection_string

3. 애플리케이션 실행

# 1. FastAPI 서버 실행 (포트 8000)
uvicorn main:app --reload

# 2. Gradio 웹 인터페이스 실행
python gradio_app.py

API 엔드포인트

GET /books

  • 파라미터: keyword (검색할 키워드)
  • 기능: 키워드로 도서 검색, 데이터가 없으면 자동 크롤링
  • 반환: 도서 목록 (JSON 배열)

GET /recommend

  • 파라미터: title (책 제목), keyword (검색 키워드)
  • 기능: 선택한 책 기반 GPT 추천 생성
  • 반환: 추천 내용 및 이미지 경로

사용 방법

  1. 웹 인터페이스에서 원하는 키워드 입력 (예: "파이썬", "소설" 등)
  2. "도서 목록 불러오기" 버튼 클릭
  3. 드롭다운에서 관심 있는 책 선택
  4. "GPT 추천 받기" 버튼 클릭하여 개인화된 추천 받기

데이터베이스 스키마

MongoDB에 저장되는 도서 정보:

{
  "검색어": "파이썬",
  "책제목": "책 제목",
  "저자": "저자명",
  "가격": "가격 정보",
  "출판사": "출판사명",
  "출판일": "출간일",
  "이미지저장경로": "로컬 이미지 경로",
  "판매사이트명": "Kyobo"
}

주요 특징

  • 자동 크롤링: 검색 데이터가 없으면 실시간으로 교보문고 크롤링
  • 이미지 관리: 책 표지 이미지 자동 다운로드 및 로컬 저장
  • 에러 처리: 크롤링 및 API 호출 시 안정적인 예외 처리
  • 확장성: MongoDB를 통한 대용량 데이터 처리 가능

주의사항

  • OpenAI API 키가 필요합니다
  • MongoDB 연결이 필요합니다
  • 크롤링 시 교보문고 서버에 부하를 주지 않도록 적절한 딜레이 권장
  • Chrome 브라우저가 시스템에 설치되어 있어야 합니다 (Selenium 사용)