爬蟲實例學習——爬取酷狗TOP500數據

酷狗網址：https://www.kugou.com/yy/rank/home/1-8888.html?from=rank

環境：eclipse+pydev

import requests
from bs4 import BeautifulSoup
import time

headers ={
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36 QIHU 360EE'
          }    #加入請求頭，偽裝成瀏覽器，以便更好抓取數據

def get_info(url):           #定義獲取信息的函數
    wb_data = requests.get(url,headers = headers)
    soup = BeautifulSoup(wb_data.text,'lxml')
    ranks = soup.select('span.pc_temp_num')                     #selet()方法見下面圖示
    titles = soup.select('#rankWrap > div.pc_temp_songlist > ul > li > a')  
    times = soup.select('span.pc_temp_tips_r > span')
    for rank,title,time in zip(ranks,titles,times):
        data = {
            'rank':rank.get_text().strip(),                #歌曲序號
            'singer':title.get_text().split('-')[0],       #歌手名稱
            'song':title.get_text().split('-')[1],         #歌曲名稱
            'time':time.get_text().strip()                 #歌曲時長
        }         
        print (data)     
        
if __name__ == '__main__':                #程序主入口
    urls = ['https://www.kugou.com/yy/rank/home/{}-8888.html?from=rank'.format(str(i)) for i in range(1,24)]            #構建多頁url，500條結果需23組，每頁網頁22條
    for url in urls:
        get_info(url)
        time.sleep(1)            #暫停程序，避免因提交網頁請求頻率過快而導致程序異常終止

請求頭獲取方式：打開chrome瀏覽器，輸入chrome://version，添加時加上‘User-Agent’:即可（獲得信息應置於' '中）。

select()使用方法:該方法類似於中國>廣東省>惠州市，從大到小，提取信息，可通過chrome復制得到，如圖示：

​​

  注意：將li:nth-of-child(1)改為li

運行結果：