python3爬取咪咕音樂榜信息（附源代碼）

參照上一篇爬蟲小豬短租的思路https://www.cnblogs.com/aby321/p/9946831.html，繼續熟悉基礎爬蟲方法，本次爬取的是咪咕音樂的排名

咪咕音樂榜首頁http://music.migu.cn/v2/music/billboard/?_from=migu&page=1

注意：本程序有時候運行會報錯，此時重新運行即可，報錯原因不明了！

 

與小豬短租不同的是，爬取的排名信息不在每首歌曲的詳細頁面內，需要在分頁url中獲取（代碼19-25行），使用打包循環並且輸出給函數get_info()

 

 

"""
典型的分頁型網站——咪咕音樂榜
有時候運行會報錯，有時候正常，原因不知道
"""
import requests
from bs4 import BeautifulSoup as bs
import time

headers = {
    'User-Agent':'User-Agent:Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
}

#獲取每一個歌曲的網址,參數是分頁url
def get_link(url):
    html_data = requests.get(url, headers = headers)
    soup = bs(html_data.text, 'lxml')#bs4推薦使用的的解析庫
    #print(soup.prettify())   #標准化輸出url中的源代碼（有可能跟網頁查看中的不一致，網頁中有可能標簽書寫不規范）以此為基礎抓取，如果抓取失敗，用此命令查看源代碼
    links = soup.select('#js_songlist > div > div.song-name > span > a')#注意循環點！！！
    ranks = soup.select('#js_songlist > div > div.song-number ')#因為歌曲詳情里沒有排名信息，因此需要在這部分獲取詳情信息
    #print(ranks)
    for rank, link in zip(ranks,links):#打包循環，主要為了輸出配套的rank和link
        rank = rank.get_text()
        link = 'http://music.migu.cn' + link.get('href')#觀察每個歌曲的詳細網頁發現，前面部分需要手動添加http://music.migu.cn
        #print(rank,link)
        get_info(rank,link)

#獲取每一個歌曲的詳細信息，排名、歌名、歌手和專輯名，參數url是每個歌曲的網址
def get_info(rank,url):
    html_data = requests.get(url, headers = headers)
    soup = bs(html_data.text, 'lxml')#bs4推薦使用的的解析庫
    # print(soup.prettify())   #標准化輸出url中的源代碼（有可能跟網頁查看中的不一致，網頁中有可能標簽書寫不規范）以此為基礎抓取，如果抓取失敗，用此命令查看源代碼
    title = soup.select('div.container.pt50 > div.song-data > div.data-cont > div.song-name > span.song-name-text')[0].string.strip()

    # 用網頁copy過來的全部是“body > div.wrap.clearfix.con_bg > div.con_l > div.pho_info > h4 > em”，但是使用這個爬不出來數據（我也不知道why），把body去掉或者用下面最簡短的方式（只使用最近的且唯一的div）
    # title = soup.select('div.pho_info > h4 > em ')
    # 查詢結果title格式是一維列表，需要繼續提取列表元素（一般就是[0])，列表元素是前后有標簽需要繼續提取標簽內容，使用get_text()或者string
    singer = soup.select('div.container.pt50 > div.song-data > div.data-cont > div.song-statistic > span > a')[0].string.strip()
    cd = soup.select('div.container.pt50 > div.song-data > div.data-cont > div.style-like > div > span > a')[0].string.strip()  # 獲取標簽的屬性值

    #將詳細數據整理成字典格式
    data = {
        '排名':rank,
        '歌名':title,
        '歌手':singer,
        '專輯':cd
    }
    print(data)


#程序主入口
if __name__=='__main__':
    for number in range(1,3):
        url = 'http://music.migu.cn/v2/music/billboard/?_from=migu&page={}'.format(number)   #構造分頁url（不是歌曲詳情的url）
        get_link(url)
        time.sleep(1)

 輸出結果：每次輸出data數據（字典型）字段順序是隨機的，因為本身字典型數據就沒有順序，如果想固定順序的話請使用列表

舉一反三：同類型的分頁型網站均可使用此爬蟲模板，例如豆瓣電影top100、時光網top榜之類的

 

ps：不知道這個榜單准不准，反正我基本沒聽過（可能是我out了）