네이버 API 블로그 검색·쇼핑 데이터 수집 완벽 가이드

2026-07-18 ·조회 2 ·약 18분

네이버 API만으로 블로그 200개, 쇼핑 상품 정보를 한 번에 뽑아낼 수 있다는 거 알았어요? 인증 설정부터 실제 코드까지 손 가는 대로 따라 하면 자동화 스크립트 완성이거든요. https://developers.naver.com/docs/common/openapiguide/apilist.md

반드시 필요한 인증 정보 설정

API 호출할 때마다 HTTP 헤더에 두 개 값을 넣어야 해요.

X-Naver-Client-Id: qvF9HUvh7pf5Gb8gUp3R
X-Naver-Client-Secret: Ph9yV5lCQ8

이 두 줄 없으면 403 오류만 떨어지니까 개발자센터에서 먼저 내 애플리케이션 설정에서 '검색 API' 활성화 확인하고 시작하세요.

세 가지 주요 API 엔드포인트

블로그 검색, 쇼핑 검색, 트렌드 분석—이 셋이 전부예요.

기능	엔드포인트	응답 형식	언제 쓰나
블로그 검색	`/v1/search/blog.json`	JSON	블로그 포스트·URL 수집
쇼핑 검색	`/v1/search/shop.json`	JSON	상품명·가격·링크 수집
트렌드 분석	`/v1/datalab/search`	JSON	키워드 검색량 추이

블로그·쇼핑 검색 실전 코드

import urllib.request
import json

CLIENT_ID = "qvF9HUvh7pf5Gb8gUp3R"
CLIENT_SECRET = "Ph9yV5lCQ8"

def search_naver_api(query, api_type="blog", display=10, start=1, sort="date"):
    """
    네이버 검색 API 호출
    api_type: "blog" 또는 "shop"
    sort: "sim"(정확도) / "date"(날짜순)
    """
    encText = urllib.parse.quote(query)
    url = f"https://openapi.naver.com/v1/search/{api_type}.json?query={encText}&display={display}&start={start}&sort={sort}"

    request = urllib.request.Request(url)
    request.add_header("X-Naver-Client-Id", CLIENT_ID)
    request.add_header("X-Naver-Client-Secret", CLIENT_SECRET)

    response = urllib.request.urlopen(request)
    rescode = response.getcode()

    if rescode == 200:
        response_body = response.read()
        return json.loads(response_body.decode('utf-8'))
    else:
        print(f"Error Code: {rescode}")
        return None

# 사용 예시
result = search_naver_api("맛집", "blog", display=10, sort="date")
print(result)

한 번에 100개만 가져올 수 있으니까, 200개가 필요하면 두 번 호출하는 게 핵심이에요.

데이터 200개 수집하기

def collect_200_items(keyword, api_type="blog"):
    """특정 키워드로 200개 데이터 수집"""
    all_items = []

    # 1차: 1~100번째
    result1 = search_naver_api(keyword, api_type, display=100, start=1, sort="date")
    if result1 and 'items' in result1:
        all_items.extend(result1['items'])
        print(f"1차 수집: {len(result1['items'])}개")

    # 2차: 101~200번째
    result2 = search_naver_api(keyword, api_type, display=100, start=101, sort="date")
    if result2 and 'items' in result2:
        all_items.extend(result2['items'])
        print(f"2차 수집: {len(result2['items'])}개")

    print(f"총 수집: {len(all_items)}개")
    return all_items[:200]

# 사용 예시
items = collect_200_items("광저우", "blog")

네이버 API 블로그 검색·쇼핑 데이터 수집 완벽 가이드

이렇게 하면 start를 1과 101로 나눠서 호출하는 거예요. 최대 1000까지 가능하니까 필요하면 start를 301, 401 이런 식으로 계속 늘려도 돼요.

API 응답 데이터 구조

블로그 응답

{
  "lastBuildDate": "Mon, 26 Sep 2016 10:39:37 +0900",
  "total": 8714891,
  "start": 1,
  "display": 10,
  "items": [
    {
      "title": "블로그 포스트 제목",
      "link": "https://blog.naver.com/...",
      "description": "내용 요약",
      "bloggername": "블로거 이름",
      "bloggerlink": "블로그 주소",
      "postdate": "20251208"
    }
  ]
}

쇼핑 응답

{
  "items": [
    {
      "title": "상품명",
      "link": "https://shopping.naver.com/...",
      "image": "이미지 URL",
      "lprice": "최저가",
      "hprice": "최고가",
      "mallName": "쇼핑몰명",
      "productId": "상품ID",
      "productType": "1"
    }
  ]
}

title 필드에 <b> 태그가 붙어 있을 수 있으니까, 저장할 때 replace('<b>', '').replace('</b>', '') 로 제거해두면 깔끔해요.

트렌드 분석 API (데이터랩)

키워드별 검색량 추이를 보고 싶으면 이 API를 써요. POST 방식이라 좀 다르긴 한데 구조는 간단해요.

import requests
import json

def get_trend_data(keywords, start_date, end_date, time_unit="date"):
    """
    키워드별 검색량 추이 조회

    Args:
        keywords: 키워드 리스트 (예: ["맛집", "카페"])
        start_date: 시작일 (예: "2025-01-01")
        end_date: 종료일 (예: "2025-12-31")
        time_unit: "date", "week", "month"
    """
    url = "https://openapi.naver.com/v1/datalab/search"

    body = {
        "startDate": start_date,
        "endDate": end_date,
        "timeUnit": time_unit,
        "keywordGroups": [
            {
                "groupName": "그룹1",
                "keywords": keywords
            }
        ]
    }

    headers = {
        "X-Naver-Client-Id": CLIENT_ID,
        "X-Naver-Client-Secret": CLIENT_SECRET,
        "Content-Type": "application/json"
    }

    response = requests.post(url, json=body, headers=headers)

    if response.status_code == 200:
        return response.json()
    else:
        print(f"Error: {response.status_code}")
        return None

# 사용 예시
trend_data = get_trend_data(
    keywords=["광저우", "중국여행"],
    start_date="2025-01-01",
    end_date="2025-12-31",
    time_unit="month"
)
print(json.dumps(trend_data, ensure_ascii=False, indent=2))

주의할 점: API 제약사항

딱 4가지만 기억하면 돼요.

기간 검색 안 됨: API 자체에 기간 필터링 파라미터가 없어요. sort=date로 최신순 정렬하고 필요하면 나중에 필터링하세요.
display 최대 100개: 한 번에 100개씩만 가져올 수 있어요.
start 최대 1000: 1~1000 범위만 지원해요.
일일 한도: 검색 API는 25,000회, 데이터랩은 1,000회예요.

전체 파이프라인 통합 코드

import urllib.request
import json
import hashlib
from datetime import datetime

CLIENT_ID = "qvF9HUvh7pf5Gb8gUp3R"
CLIENT_SECRET = "Ph9yV5lCQ8"

def search_naver(query, api_type="blog", display=100, start=1, sort="date"):
    """네이버 검색 API 호출"""
    encText = urllib.parse.quote(query)
    url = f"https://openapi.naver.com/v1/search/{api_type}.json?query={encText}&display={display}&start={start}&sort={sort}"

![네이버 API 블로그 검색·쇼핑 데이터 수집 완벽 가이드](/uploads/2026/07/ai_20260718_140016_187aaed9.png)

    request = urllib.request.Request(url)
    request.add_header("X-Naver-Client-Id", CLIENT_ID)
    request.add_header("X-Naver-Client-Secret", CLIENT_SECRET)

    try:
        response = urllib.request.urlopen(request)
        return json.loads(response.read().decode('utf-8'))
    except Exception as e:
        print(f"Error: {e}")
        return None

def collect_200(keyword, api_type="blog"):
    """200개 데이터 수집"""
    all_items = []

    for start in [1, 101]:
        result = search_naver(keyword, api_type, display=100, start=start, sort="date")
        if result and 'items' in result:
            all_items.extend(result['items'])
            print(f"수집 완료: {len(result['items'])}개 (start={start})")

    print(f"총 수집: {len(all_items)}개")
    return all_items[:200]

def convert_to_schema(items, keyword, platform="naver_blog"):
    """API 응답을 통합 스키마로 변환"""
    result = []

    for item in items:
        title = item.get('title', '').replace('<b>', '').replace('</b>', '')
        desc = item.get('description', '').replace('<b>', '').replace('</b>', '')

        postdate = item.get('postdate', '')
        if len(postdate) == 8:
            postdate = f"{postdate[:4]}-{postdate[4:6]}-{postdate[6:8]} 00:00:00"

        converted = {
            "keyword": keyword,
            "platform": platform,
            "content_id": hashlib.md5(item.get('link', '').encode()).hexdigest(),
            "title": title,
            "content_text": desc,
            "post_date": postdate,
            "url": item.get('link', ''),
            "author": item.get('bloggername', ''),
            "platform_specific_data": {
                "naver": {
                    "blogger_name": item.get('bloggername', ''),
                    "bloggerlink": item.get('bloggerlink', '')
                }
            }
        }
        result.append(converted)

    return result

def save_to_file(data, filename):
    """JSON 파일로 저장"""
    with open(filename, "w", encoding="utf-8") as f:
        json.dump(data, f, ensure_ascii=False, indent=2)
    print(f"✅ 저장 완료: {filename}")

def main():
    keyword = "광저우"

    print(f"🔍 '{keyword}' 검색 시작...")
    items = collect_200(keyword, "blog")

    if not items:
        print("❌ 데이터를 수집하지 못했습니다.")
        return

    schema_data = convert_to_schema(items, keyword)
    filename = f"naver_{keyword}_{datetime.now().strftime('%Y%m%d_%H%M%S')}.json"
    save_to_file(schema_data, filename)

    print(f"📊 총 {len(schema_data)}개 데이터 수집 완료!")

if __name__ == "__main__":
    main()

자주 묻는 것들

Q: 기간별로 2025년 1월~3월만 수집할 수 있나? A: 아뇨, API 자체에 기간 필터링이 없어요. sort=date로 최신순 정렬 후 응답받은 데이터를 후처리해서 필터링하세요.

Q: 200개 이상 원하면? A: start를 1→101→201→301→... 식으로 늘려서 호출하면 돼요. 최대 1000까지 가능합니다.

Q: 403 에러가 자꾸 나요. A: 개발자센터 > 내 애플리케이션 > API 설정에서 '검색'이 정말 활성화되어 있는지 확인하세요. 대기열 상태면 사용 불가예요.

Q: 블로그에서 공감·댓글 수도 함께 수집할 수 있나? A: API는 검색 결과만 주니까 개별 블로그 URL을 크롤링해서 따로 가져와야 해요. BeautifulSoup으로 .u_likeit_count 같은 선택자를 파싱하면 됩니다.

네이버 API만으로는 한계가 있지만, 이 방법으로 블로그·쇼핑 데이터를 깔끔하게 자동화할 수 있