大数据 爬虫Python AI Sqlpython入门基础学习

十秒以内下载五十首网易云音乐!这就是爬虫的强大之处!

2018-12-28  本文已影响2人  编程新视野

1、前言

最近,网易的音乐很多听不到了,刚好也看到很多教程,跟进学习了一下,也集大全了吧,本来想优化一下的,但是发现问题还是有点复杂,最后另辟捷径,提供了简单的方法啊!

本文主要参考 python编写GUI版网易云音乐爬虫 后改写,有兴趣的可以看看文章的GUI,了解更多知识~

2、Python + 爬虫

首先,说一下准备工作:

Python:需要基本的python语法基础

requests:专业用于请求处理, requests库学习文档中文版

lxml:其实可以用pythonth自带的正则表达式库re,但是为了更加简单入门,用 lxml 中的 etree 进行网页数据定位爬取。

re:python正则表达式处理

json:python的json处理库

给大家整理了Python很全面的资料和教程可以下载,加群943752371即可

说一下我们现在已经知道下载链接是这样的:

http://music.163.com/song/media/outer/url?id='

id 就是歌曲的id!

所以,现在我们爬虫主要的工作就是找到这个id,当然为了更好的保存,也要找到这个歌名啦!

那现在就是要找到我们需要爬虫的网站链接啦!我分析了一下,大概是下面三种:

#歌曲清单

music_list = 'https://music.163.com/#/playlist?id=2412826586'

#歌手排行榜

artist_list = 'https://music.163.com/#/artist?id=8325'

#搜索列表

search_list = 'https://music.163.com/#/search/m/?order=hot&cat=全部&limit=435&offset=435&s=梁静茹'

如果你已经只是想下载一首歌,比如静茹-勇气: https://music.163.com/#/song?id=254485 ,那你直接就用浏览器打开 http://music.163.com/song/media/outer/url?id=254485 就可以了,没必要爬虫啊!

好啦!感觉重点都说完了,提取和解析就是用 lxml,不懂的就看我之前的文章啊 《Python爬虫实践入门篇》

3、下载歌词

如果还要下载歌词,那也很简单,通过接口,有歌曲的id就可以:

url = 'http://music.163.com/api/song/lyric?id={}&lv=-1&kv=-1&tv=-1'.format(song_id)

返回的json数据大概长这样:

{

sgc: true,

sfy: false,

qfy: false,

lrc:

{

version: 7,

lyric: "[00:39.070]开了窗 等待天亮[00:46.160]看这城市 悄悄的 熄了光[00:51.850]听风的方向[00:55.090]这一刻 是否和我一样[00:58.730]孤单的飞翔[01:02.300]模糊了眼眶[01:07.760]广播里 那首歌曲[01:14.830]重复当时 那条街那个你[01:20.410]相同的桌椅[01:23.740]不用言语 就会有默契[01:27.470]这份亲密[01:30.560]那么熟悉[01:33.850]在爱里 等着你[01:37.480]被你疼惜 有种暖意[01:41.090]在梦里 全是你[01:43.920]不要再迟疑 把我抱紧"

},

klyric:

{

version: 0,

lyric: null

},

tlyric:

{

version: 0,

lyric: null

},

code: 200

}

剩下的也没有什么好说的啦!

4、坑点与进阶

表面上很简单,但是需要注意的是,网易返回的链接,数据是js动态加载,也就是爬虫得到的网页数据和浏览器得到的dom内容和结构不一样!

其中,搜索列表爬虫回来的内容,完全得不到歌曲id!!!

解决

解决方法也是有的!

python模拟浏览器

使用selenium+phantomjs无界面浏览器,这两者的结合其实就是直接操作浏览器,可以获取JavaScript渲染后的页面数据。

缺点:

由于是无界面浏览器,采用此方案效率极低,如果大批量抓取不推荐。

对于异步请求并且数据在源码中并不存在的,同时也就无法抓取到的数据。

搜索的歌曲变成歌单

比如想下载全部的某一歌手的全部音乐,用手机云音乐搜索,然后全部保存到新建一个歌单,这样就可以啦!

进阶

如果想使用了解更多网易云音乐js的加密解密过程,可以看看这个 Python 爬虫如何获取 JS 生成的 URL 和网页内容? - 路人甲的回答 - 知乎

总结

用python,就一定要简单,我认为复杂的东西,还是尽量少做,能取巧就取巧,所以本文没有使用selenium+phantomjs实践,如果想了解更多 selenium+phantomjs 内容,可以参考文末引用链接。

注:本文只是技术交流,请不要商业用途~ 如有违反,本人一概不负责。

全部代码

又是非常简单的100行代码完事!!!

GitHub: WebCrawlerExample/163_NeteaseMusic.py at master · iHTCboy/WebCrawlerExample

import os

import re

import json

import requests

from lxml import etree

def download_songs(url=None):

if url is None:

url = 'https://music.163.com/#/playlist?id=2384642500'

url = url.replace('/#', '').replace('https', 'http') # 对字符串进行去空格和转协议处理

# 网易云音乐外链url接口:http://music.163.com/song/media/outer/url?id=xxxx

out_link = 'http://music.163.com/song/media/outer/url?id='

# 请求头

headers = {

'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',

'Referer': 'https://music.163.com/',

'Host': 'music.163.com'

}

# 请求页面的源码

res = requests.get(url=url, headers=headers).text

tree = etree.HTML(res)

# 音乐列表

song_list = tree.xpath('//ul[@class="f-hide"]/li/a')

# 如果是歌手页面

artist_name_tree = tree.xpath('//h2[@id="artist-name"]/text()')

artist_name = str(artist_name_tree[0]) if artist_name_tree else None

# 如果是歌单页面:

#song_list_tree = tree.xpath('//*[@id="m-playlist"]/div[1]/div/div/div[2]/div[2]/div/div[1]/table/tbody')

song_list_name_tree = tree.xpath('//h2[contains(@class,"f-ff2")]/text()')

song_list_name = str(song_list_name_tree[0]) if song_list_name_tree else None

# 设置音乐下载的文件夹为歌手名字或歌单名

folder = './' + artist_name if artist_name else './' + song_list_name

if not os.path.exists(folder):

os.mkdir(folder)

for i, s in enumerate(song_list):

href = str(s.xpath('./@href')[0])

song_id = href.split('=')[-1]

src = out_link + song_id # 拼接获取音乐真实的src资源值

title = str(s.xpath('./text()')[0]) # 音乐的名字

filename = title + '.mp3'

filepath = folder + '/' + filename

print('开始下载第{}首音乐:{}'.format(i + 1, filename))

try: # 下载音乐

#下载歌词

#download_lyric(title, song_id)

data = requests.get(src).content # 音乐的二进制数据

with open(filepath, 'wb') as f:

f.write(data)

except Exception as e:

print(e)

print('{}首全部歌曲已经下载完毕!'.format(len(song_list)))

def download_lyric(song_name, song_id):

url = 'http://music.163.com/api/song/lyric?id={}&lv=-1&kv=-1&tv=-1'.format(song_id)

# 请求头

headers = {

'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',

'Referer': 'https://music.163.com/',

'Host': 'music.163.com'

# 'Origin': 'https://music.163.com'

}

# 请求页面的源码

res = requests.get(url=url, headers=headers).text

json_obj = json.loads(res)

lyric = json_obj['lrc']['lyric']

reg = re.compile(r'[.*]')

lrc_text = re.sub(reg, '', lyric).strip()

print(song_name, lrc_text)

if __name__ == '__main__':

#music_list = 'https://music.163.com/#/playlist?id=2384642500' #歌曲清单

music_list = 'https://music.163.com/#/artist?id=8325' #歌手排行榜

# music_list = 'https://music.163.com/#/search/m/?order=hot&cat=全部&limit=435&offset=435&s=梁静茹' #搜索列表

download_songs(music_list)

上一篇下一篇

猜你喜欢

热点阅读