Performance Analysis and Optimization Techniques for Web Scraping Frameworks in AI-Driven Dynamic Web Environments

본 논문에서는 AI 통합 웹 환경에서 웹 스크래핑 프레임워크의 성능을 평가하고 최적화하는 연구를 진행하였다. AI 기반의 동적 웹 환경은 실시간 데이터 로딩, 동적 콘텐츠 생성, 사용자 맞춤형 인터페이스와 같은 복잡한 구조적 특성을 가지며, 이는 전통적인 웹 스크래핑 도구의 효율성을 저하시킬 수 있다. 본 논문에서는 Amazon, YouTube, Twitter와 같은 AI 기반 웹 사이트를 대상으로 Selenium, Puppeteer, Scrapy 세 가지 웹 스크래핑 프레임워크를 사용하여 데이터를 수집하고, 성능을 비교 분석하였다. 실험 결과, Puppeteer는 동적 콘텐츠 처리와 비동기 데이터 로딩에서 가장 뛰어난 성능을 보였으며, Selenium은 유사하지만 속도와 메모리 사용에서 약간 뒤쳐졌다. Scrapy는 정적콘텐츠 수집에는 적정하였으나, 동적 웹에서는 성능이 크게 저하되었다. 따라서, AI 통합 웹 환경에서의 웹 스크래핑 최적화를 위해서는 동적 콘텐츠 처리에 강한 프레임워크의 사용이 필수적이며, 이를 위한 최적화 기법을 제안하였다.