[논문]웹크롤러의 수집주기 최적화

조완섭; 이정은; 최치환

doi:10.5392/jkca.2013.13.06.030

웹크롤러의 수집주기 최적화
Refresh Cycle Optimization for Web Crawlers 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.13 no.6, 2013년, pp.30 - 39

조완섭 (충북대학교 경영정보학과) , 이정은 (충북대학교 비즈니스데이터융합학과) , 최치환 (충북대학교 바이오정보기술학과)

초록
AI-Helper

웹 크롤러는 서버의 부담을 최소화하면서도 최신의 데이터를 웹사이트로부터 수집하고 유지해야 한다. 빅데이터 시대와 같이 데이터가 폭발적으로 증가하는 시대에 데이터 소스로부터 자주 모든 데이터를 추출하는 것은 서버에 심각한 부담을 주게 된다. 무선통신 기술과 다양한 스마트 기기들의 확산으로 정보가 급속도로 생성되고 있으며, 어디에서나 어느 시간이나 지속적으로 생성 및 변경되고 있다. 웹크롤러는 이러한 상황을 감안하여 최신의 정보를 적은 오버헤드로 유지해 나가는 것이 중요한 이슈로 부각되고 있다. 본 논문에서는 웹사이트의 변경사항을 체크할 수 있는 효과적인 방안과 웹사이트의 수집 주기를 동적으로 변경함으로써 적은 비용으로 최신성을 유지할 수 있는 방안을 제시한다. 핵심 아이디어는 과거 히스토리로부터 웹사이트 변경이 집중되는 시간을 파악하여 웹수집 주기를 결정하는데 반영한다는 점이다. 논문에서는 특정 웹사이트의 데이터를 추출하는 Java 크롤러를 개발하고, 제안된 방식과 기존 방식의 유용성을 비교하였다. 제안된 기법을 사용하면 정적인 방식보다 서버 오버헤드를 절반정도(46.2%)로 줄이면서도 최신성을 더욱 높게 보장할 수 있게 된다.

Abstract ▼ AI-Helper

Web crawler should maintain fresh data with minimum server overhead for large amount of data in the web sites. The overhead in the server increases rapidly as the amount of data is exploding as in the big data era. The amount of web information is increasing rapidly with advanced wireless networks and emergence of diverse smart devices. Furthermore, the information is continuously being produced and updated in anywhere and anytime by means of easy web platforms, and smart devices. Now, it is becoming a hot issue how frequently updated web data has to be refreshed in data collection and integration. In this paper, we propose dynamic web-data crawling methods, which include sensitive checking of web site changes, and dynamic retrieving of web pages from target web sites based on historical update patterns. Furthermore, we implemented a Java-based web crawling application and compared efficiency between conventional static approaches and our dynamic one. Our experiment results showed 46.2% overhead benefits with more fresh data compared to the static crawling methods.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이 문제는 복제 데이터의 유지기법과 유사하며, 얼마나 서버의 부하를 줄이면서 데이터 신선도를 높이는 가에 대한 tradeoff 로 볼 수 있다. 또한 이 연구에서는 웹페이지의 변경주기를 포아송(Poisson) 분포를 가정하고 예측하는 방법을 제안하고 있다. 반면[20]에서 웹 문서의 변화를 표현하는 척도로 ‘다운로드 성공률’, ‘변경률’, ‘나이 변이 계수’를 제시하였으며, 이를 통해 다운로드 성공과 변경이 과거 기록과 밀접한 연관이 있음을 발견하였다.
본 논문에서는 래퍼기반 웹 크롤링에서 url-list의 수집주기를 결정하는 방법을 제시하였다. 주어진 url-list 에 대하여 1개월 동안의 변경기록 데이터를 분석하여 각 url의 수집주기를 적절하게 결정하고, 웹 크롤러에서 이를 바탕으로 웹페이지들을 수집함으로써 최신성을 높이면서도 서버의 부하를 줄이는 효과가 있다.
본 연구에서는 래퍼기반 웹크롤러에서 갱신주기(refresh cycle)를 동적으로 결정하는 방안을 제안한다. 일반적으로 웹사이트 내의 웹페이지들도 그 특성에 따라서 갱신주기나 빈도가 다양한 특성을 가진다.
초기 수집주기는 시간이 지남에 따라 실제 상황과 차이가 있을 수 있으므로 일정 기간이 지나면 다시 그동안 축적된 정보를 바탕으로 갱신해 나가는 방식으로 수집주기를 지속적으로 적응시켜 나간다. 이 장에서는 동적으로 수집주기를 결정하기 위한 데이터 수집 및 관리 방안을 제안하고, 이를 분석하여 수집주기 결정에 사용하는 기법을 소개한다.

제안 방법

1단계에서 수집된 URL 리스트에 대하여 1개월간의 변경주기 정보를 수집한 후, 제안된 방식으로 이를 분석하여 각 URL에 대하여 수집주기를 결정한다. 본 연구에서 사용된 url-list에 대하여 수집주기를 결정한 결과는 다음과 같다.
기존의 방식은 부하 때문에 매일 1회 이상 데이터를 수집하는 것은 어렵다. 그러나 제안된 방식은 웹페이지의 변동주기 등 특성을 고려하여 하루에도 몇 번씩 가져오는 그룹과 1주일 혹은 1개월에 한번씩 가져오는 그룹들로 구분하므로 최적에 가까운 시점을 판단하여 데이터를 크롤링한다. 따라서 기존 방식보다 뛰어난 최신성을 보장하게 된다.
제안된 방식은 1개월 정도의 학습기간 동안에 각 페이지의 갱신빈도를 확인하고, 이에 따라서 적절한 수집 주기를 결정하며 (제안된 방식을 주기적으로 적용하면 참고문헌[6]과 유사한 방식이 됨), 특히 변경되는 시간까지 고려하여 수집 시점을 결정함으로써 최신성을 더욱 높이는 방식이다. 또한 VOC 사이트를 대상으로 데이터를 효과적으로 추출하는데 적용함으로써 실용성을 검증하였다.
반면[20]에서 웹 문서의 변화를 표현하는 척도로 ‘다운로드 성공률’, ‘변경률’, ‘나이 변이 계수’를 제시하였으며, 이를 통해 다운로드 성공과 변경이 과거 기록과 밀접한 연관이 있음을 발견하였다. 또한 과거 기록을 통한 웹문서의 다운로드 성공과 변경을 예측할 수 있는 모델을 제안하였다.
먼저, 인터넷 쇼핑몰로부터 상품과 관련된 고객의 VOC (voice of customers) 정보를 추출하여 데이터베이스로 구축하고, 이를 분석하기 위한 크롤러를 제안된 방식으로 구축하여 시험한다. [그림 3]은 개발된 시스템의 초기 웹화면 일부를 보여주고 있다.
자주 변하는 페이지의 경우 갱신주기를 짧게 배정해야 하며, 나아가 시간대에 따라서 다른 갱신주기를 지정할 필요도 있다. 본 논문에서는 웹페이지의 URL들을 몇가지 유형으로 구분한 후, 각 유형에 특성을 반영하여 갱신주기가 이루어지도록 한다.
또한 VOC 수집 크롤러는 [1]과 같이 웹링크를 5단계를 거쳐야하므로 일반크롤러, 포커스드크롤러, 토피컬크롤러 등으로 수집이 어려우며 래퍼기반의 크롤러가 가장 성능이 좋은 것으로 확인되었다. 본 논문의 접근방식도 래퍼크롤러의 요구사항을 반영하고 있으며, 사이트 구조분석 후 크롤러를 설계 및 구현하는 방식이다.
본 장에서는 제안된 방식으로 구현한 크롤러의 적합성을 평가하고, 이를 다른 데이터에 대한 방식과 비교한다.
일반적인 웹크롤러에서 문제점으로 꼽히는 중복문제에 대해서 본 논문은 다음과 같은 방식으로 접근하였다. 수집될 URL의 중복수집방지를 위하여 카테고리별 상품 리스트 페이지를 먼저 수집하고, 수집된 리스트 페이지에서 추출할 URL을 URL리스트맵에 저장하는 방식을 사용한다. 이는 기존의 큐(Queue)를 활용할 경우에 데이터 중복에 대한 제약이 없어 야기되는 URL중복 문제를 맵(Map)과 집합(set) 컬렉션을 활용함으로써 해결하였으며, 리스트 페이지가 과도하게 많아 메모리의 용량을 초과하지 않도록 카테고리별 리스트페이지를 수집하고, 그 리스트 페이지에서 다시 URL을 추출 한후 페이지를 수집하는 방식을 사용한다(카테고리별로 상품의 품목이 다르기 때문에 다른 카테고리에서 동일한 URL이 나올 확률은 매우 적다고 볼 수 있다).
수집주기를 동적으로 적용하기 위하여 웹 크롤러는 일정기간 동안에 웹페이지의 변경여부를 시험적으로 확인하고 이 정보를 축정한 후 분석하여 초기 수집주기를 설정한다. 초기 수집주기는 시간이 지남에 따라 실제 상황과 차이가 있을 수 있으므로 일정 기간이 지나면 다시 그동안 축적된 정보를 바탕으로 갱신해 나가는 방식으로 수집주기를 지속적으로 적응시켜 나간다.
위의 수식을 기준으로 하루 수집해야 하는 요청을 서버의 부하율 100%로 가정할 경우 제안된 방식의 부하율은 다음과 같다(실제 서버의 부하율을 측정하는 것은 서버의 물리적인 성능과 미들웨어의 성능부분을 일반화하여 계산하기는 어려우므로 수집 페이지를 요청 개수를 서버의 부하율 100%로 가정하고 하루 URL 개수를 특정하여 서버부하율이 어느정도 줄어드는지를 계산).
2]의 변경이력정보가 축적되면 이를 분석하여 현재 상황을 감안한 수집주기를 재생성할 수 있다. 이 때 시간이 지남에 따른 변경정보를 시계열 분석하여 가까운 장래의 변경패턴을 예측하는 것도 가능하지만 본 논문에서는 이를 다루지는 않는다.
제안된 방식에서는 검색 대상이 되는 웹사이트의 URL 별로 일정 기간 동안 변경관련 정보를 그림 2와 같은 데이터베이스 테이블에 축적해 나간다. 이 테이블에 유지되는 정보는 날짜와 시간별(현재 20분 간격으로 1개월간 URL의 변경여부를 조사함)로 각 URL에 해당하는 페이지의 변경여부와 변경된 사이즈 (변경크기로써 추정치임)를 보관한다.
주어진 url-list 에 대하여 1개월 동안의 변경기록 데이터를 분석하여 각 url의 수집주기를 적절하게 결정하고, 웹 크롤러에서 이를 바탕으로 웹페이지들을 수집함으로써 최신성을 높이면서도 서버의 부하를 줄이는 효과가 있다. 제안된 방식에서는 웹페이지 변경기록 데이터를 지속적으로 축적하고, 이를 주기적으로 분석하여 수집주기를 갱신함으로써 동적으로 웹페이지 수집주기를 변경해 나갈 수도 있다. 분석결과 최신성을 유지하면서도 서버의 부담을 절반정도로 줄이는 것으로 나타났다.
제안된 방식은 1개월 정도의 학습기간 동안에 각 페이지의 갱신빈도를 확인하고, 이에 따라서 적절한 수집 주기를 결정하며 (제안된 방식을 주기적으로 적용하면 참고문헌[6]과 유사한 방식이 됨), 특히 변경되는 시간까지 고려하여 수집 시점을 결정함으로써 최신성을 더욱 높이는 방식이다. 또한 VOC 사이트를 대상으로 데이터를 효과적으로 추출하는데 적용함으로써 실용성을 검증하였다.
제안된 방식은 참고문헌[6]의 방식을 한층 더 실용적으로 개선한 모델이다. 참고문헌[6]에서는 변경의 빈도가 적으면 수집주기를 일정한 값만큼 늘려가고, 반대로 변경의 빈도가 많으면 수집주기를 일정한 값만큼 줄여 나가는 방식이지만(값의 크기는 임의로 정함) 크롤러의 수집주기 계산이 정교한 만큼 복잡해진다.
제안된 시스템에서는 관심있는 URL 리스트를 사용자가 직접 해당 사이트의 구조와 내용을 분석한 다음에 수집하여 ETL 시스템으로 입력하게 된다. 특정 페이지에서 연결된 페이지들은 정규식 형태의 패턴을 사용하여 표현할 수도 있다.

대상 데이터

A쇼핑몰에서 제품과 연관된 VOC 정보가 추록된 28개 url을 선정하였고 실제 하루에 주기적으로 수집하는 url개수는 1200개 정도이다. 그러나, 제안된 방식의 경우 [표 4.
참고문헌 [6]에서는 생물정보학연구센터커뮤니티 BIRC [21] 와 네이트 칼럼의 최신뉴스[22] 두 사이트를 대상으로 데이터 수집주기를 동적으로 적용하는 실험을 수행하였다. 이 방식에서는 웹 데이터 수집주기를 동적으로 변경함으로써 59%의 네트워크 부하 감소를 실현하였다.
특정 페이지에서 연결된 페이지들은 정규식 형태의 패턴을 사용하여 표현할 수도 있다. 현재 A 쇼핑몰에서 제품과 연관된 VOC (voice of customer) 정보가 수록된 28개 url을 선정하였다. 이 url 중에는 정규식을 이용한 패턴을 포함하므로 실제 추출 대상이 되는 URL 개수는 1200개 정도이다.

성능/효과

A쇼핑몰에서 제품과 연관된 VOC 정보가 추록된 28개 url을 선정하였고 실제 하루에 주기적으로 수집하는 url개수는 1200개 정도이다. 그러나, 제안된 방식의 경우 [표 4.2]와 같이 하루에 수집되는 페이지 수가 644개로 계산되므로 기존 방식에 비하여 절반정도 (644/1200=53.8%)로 줄어든 것을 알 수 있다.
예를 들어, 트위터, 블로그, 온라인 쇼핑몰 등으로부터 데이터를 추출하여 고객의 성향을 분석함으로써 마케팅이나 제품 설계에 반영할 수 있으며, 웹서버의 웹로그 데이터로부터 웹사이트 최적 구성이나 성능 및 안전에 관한 정보를 분석해낼 수 있다. 또한 M2M 등 다양한 센서 장비로부터 스트림 데이터를 추출하여 분석함으로써 재난 혹은 안전관련 유용한 정보를 분석할 수 있다.
또한 VOC 수집 크롤러는 [1]과 같이 웹링크를 5단계를 거쳐야하므로 일반크롤러, 포커스드크롤러, 토피컬크롤러 등으로 수집이 어려우며 래퍼기반의 크롤러가 가장 성능이 좋은 것으로 확인되었다. 본 논문의 접근방식도 래퍼크롤러의 요구사항을 반영하고 있으며, 사이트 구조분석 후 크롤러를 설계 및 구현하는 방식이다.
제안된 방식에서는 웹페이지 변경기록 데이터를 지속적으로 축적하고, 이를 주기적으로 분석하여 수집주기를 갱신함으로써 동적으로 웹페이지 수집주기를 변경해 나갈 수도 있다. 분석결과 최신성을 유지하면서도 서버의 부담을 절반정도로 줄이는 것으로 나타났다.
시중에 널리 사용되고 있는 대표적인 A 쇼핑몰 사이트로부터 관심있는 정보를 추출하기 위하여 오픈소스 크롤러를 사용한 결과 대용량 데이터를 12일 이상 추출하였으며, 그 중에서 관심있는 데이터는 불과 1% 미만이었다. 한편, 성능문제를 해결하기 위하여 쓰래드를 증가시켜 병렬처리를 하였으며, 이 경우 쓰래드 증가에 따른 서버측의 부담이 급속히 증가하는 심각한 문제가 발생하였다.
한편, 성능문제를 해결하기 위하여 쓰래드를 증가시켜 병렬처리를 하였으며, 이 경우 쓰래드 증가에 따른 서버측의 부담이 급속히 증가하는 심각한 문제가 발생하였다. 이 문제를 해결하기 위하여 래퍼기반 크롤러를 자체적으로 개발하였으며, 그 결과 99% 이상의 정확한 데이터를 30시간 정도 걸려서 수집하였고, 원하는 데이터를 대부분 수집할 수 있게 되었다. [표 4.
본 논문에서는 래퍼기반 웹 크롤링에서 url-list의 수집주기를 결정하는 방법을 제시하였다. 주어진 url-list 에 대하여 1개월 동안의 변경기록 데이터를 분석하여 각 url의 수집주기를 적절하게 결정하고, 웹 크롤러에서 이를 바탕으로 웹페이지들을 수집함으로써 최신성을 높이면서도 서버의 부하를 줄이는 효과가 있다. 제안된 방식에서는 웹페이지 변경기록 데이터를 지속적으로 축적하고, 이를 주기적으로 분석하여 수집주기를 갱신함으로써 동적으로 웹페이지 수집주기를 변경해 나갈 수도 있다.

후속연구

본 논문은 특정 사이트에 대하여 일정기간의 웹페이지 변경 지식을 활용하여 웹페이지 수집주기를 결정하는 실용적인 방식을 제안한 것으로 다양한 유형의 웹사이트 (예를 들어 변경이 잦은 사이트와 그렇지 않은 사이트 등)에 적용하여 그 유용성을 검증하는 것이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	웹페이지 수집주기 중 동적인 방식의 장점은 무엇인가?	일반적으로 정해진 시간에 웹페이지를 검색하여 원하는 자료를 가져오는 정적 수집주기 (static refresh cycle)를 많이 사용하지만 변경되지 않는 자료일지라도 정해진 시간에 수집해야 하므로 네트워크 오버헤드가 증가하여 효과적이지 못하다. 이에 비하여 동적 수집주기(dynamic refresh cycle) 방식을 사용하면 자주 변경되는 페이지는 자주 가져오고 그렇지 않은 페이지는 가끔씩 가져오게 되므로 서버나 클라이언트의 부담이 경감되는 이점이 있다[5][6].
	웹크롤러란?	검색엔진의 근간이 되는 웹크롤러(web crawler)는 인터넷상에 존재하는 웹문서들을 추적하여 필요한 정보를 수집하는 기술을 말하며, 야후와 같은 인터넷 검색시스템, 전자상거래 상품검색등 대부분의 인터넷 산업의 근간이 되는 핵심기술이다[5].
	웹 크롤러는 어떻게 구분될 수 있는가?	ETL 중에서 특정 웹사이트에 저장된 정보를 추출하는 도구로서 웹 크롤러(Web Crawler)가 사용되고 있다[1][2][7-9]. 웹 크롤러는 모든 웹문서를 수집 대상으로 하는 범용 크롤러[10], Focused Crawler[12], 특정한 주제의 문서만을 수집하는 Topical crawler[14], 래퍼기반 웹크롤러[16] 등으로 구분할 수 있다. 래퍼기반 웹크롤러는 해당 사이트의 구조를 미리 분석한 정보 (url-list) 를 이용하여 웹크롤러가 해당 페이지만 접근하므로 쇼핑몰의 VOC (voice of customer) 정보 등을 수집하는데 적합하다.

참고문헌 (22)

강한훈, 유성준, 한동일, "다양한 계층 트리구조를 갖는 쇼핑몰 상에서의 상품평 수집을 위한 웹크롤러 래퍼의 설계 및 구현", 한국지능시스템학회논문지, 제20권, 제3호, pp.318-325, 2010.

원문보기 상세보기
권성호, 이영탁, 김영준, 이용두, "고성능 웹크롤러의 설계 및 구현", 한국산업정보학회논문지, 제8권, 제4호, pp.64-72, 2003.
고일석, 최우진, 나윤지, 류승렬, "효율적인 웹문서 처리를 위한 HTTP 지연 개선에 관한 연구", 한국콘텐츠학회논문지, 제2권, 제2호, pp.47-52, 2002.
김광영, 이원구, 이민호, "웹 자원 아카이빙을 위한 웹 크롤러 연구 개발", 한국콘텐츠학회논문지, 제11권, 제9호, pp.9-16, 2011.

원문보기 상세보기
김성진, "웹 정보탐색행위 모형의 비교분석 연구", 정보처리학회지, 제21권, 제2호, pp.211-233, 2004.
김경수, 웹 크롤링 수집주기의 동적 설계 및 구현, 충북대학교 경영대학원 석사논문, 2011.
장문수, 정준영, "URL 패턴 스크립트를 이용한 효율적인 웹문서 수집방안", 퍼지 및 지능시스템학회 논문지, 제17권, 제6호, pp.849-854, 2007.

원문보기 상세보기
황인수, "웹의 연결구조와 웹문서의 적합도를 이용한 효율적인 인터넷 정보추출", 정보기술과 데이타베이스 저널, 제11권, 제4호, pp.49-60, 2004.
C. Bertoli, V. Vrescenzi, and P. Merialdo, "Crawling Programs for Wraller-based Applications," In Proc. IEEE Intl. Conference on Information Reuse and Integration (IRI '08), pp.160-165, 2008.
J. H. Cho, Crawling the Web: Discovery and maintenance of Large-Scale Web Data, Ph. D. Dissertation, Stanford University, 2001.
S. Chakrabarti, M. van den Berg, and B. Dom, "Focused Crawling: A new Approach to Topic-Specific Web Resource Discovery," Computer Networks, Vol.31, No.11-16, pp.1623-1640, 1999.

상세보기
TeraStream 제품소개서, (주)데이터스트림즈 (www.datastreams.co.kr), 2008.
Z. Guan, C. Wang, C. Chen, J. Bu, and J. Wang, "Guide Focused Crawler Efficiently and Effectively Using On-line Topical Importance Estimation," In Proc. of ACM SIGIR Conference on Research and Development in Infoprmation Retrieval, pp.757-758, 2008.
B. He, C. Li, D. Killian, M. Patel, Y. Tseng, and K. C. C. Chang, "A Structure-Driven Yield-Aware Web Form Crawler: Building a Database of Online Databases," UIUC Technical Report, 2006.
J. Y. Yang, T. H. Kim, and J. M. Choi, "An Interface Agent for Wrapper-based Information Extraction," In Proc. Intl. Conf. on Principles of Practice in Multi-agent Systems(PRIMA '04), pp.291-302, 2004.
Karthikeyan Anbarasan, SQL Integration Services (SSIS) - Step by Step Tutorial, in A SSIS eBook (www.f5Debug.net), 2011.
Liu, Bing, Web data mining: exploring hyperlinks, contents, and usage data, Springer Verlag, 2007.
G. Pant, P. Srinivasna, and F. Menczer, "Crawling the web," In Web Dynamics, pp.153-177, 2004.
M. L. Vidal, A. S. da Silva, E. S. de Moura, and J. M. B. Cavalcanti, "GoGetIt!: a tool for generating structure-driven web crawlers," In Proc. 15th international conference on World Wide Web, pp.1011-1012, 2006.
김성진, 이상호, "웹 문서 변화에 관한 실험적 연구", 정보과학회논문지 : 데이터베이스, 제32권, 제2호, pp.151-160, 2005.
http://bric.postech.ac.kr/myboard/list.php?Boardexp_qna
http://news.nate.com/recent?catecol&midn0108&typet

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증