不知道什么時候開始，中國出現了南抖音、北快手的互文格局（東市買駿馬，西市買鞍韉…）。剛才提到了，之前比較喜歡刷抖音，對於我這種佛系程序猿，看網上這些整容妹子基本一個樣。喜歡抖音主要是兩個初衷，學做菜聽音樂。朋友之前常說，人家抖音看妹子看的樂呵呵，你看人家做菜也能津津有味，一個人在那兒傻笑…民以食為天，我看到色香味俱全的菜，做的那么好吃的樂呵樂呵還不行么。
抖音捧紅了很多人，也讓很多本不怎么讓大家熟知的歌曲、BGM，經過翻唱、混剪與視頻搭配，從而傳播大街小巷。什么“若不是你，突然闖進我心里…”亦或者“也許未來遙遠在光年之外，我願守候未知里為你等待…”，成了大家閑時在嘴邊哼唱的調調。那么，有沒有想過將這些好聽的剪輯批量下載下來呢？
Python 鏈接抖音
python下載抖音內容的帖子網上有一些，但都比較麻煩，需要通過adb連接安卓手機后，模擬操作。我這么懶，這種事兒玩不來…那么，該如何獲取抖音內容呢？網上搜了下大概有兩種方式，一個是瀏覽器插件快抖，另外一個是我今天要說的抖音網頁版。其實這兩者差別不是很大，都是先將抖音內容下載至服務器后，通過開發簡單網站配置域名后，讓大家訪問。讓我們來看看抖音網頁版：
哎喲吼，居然看到了昨天爬蟲的“喬奶奶”…當然今天的重點不是視頻，而是下載它全站所有的音樂！
爬蟲實現分析
- 熱歌榜內容
大家先開看看這個抖音熱歌榜歌曲，每頁20首歌曲，一個55頁。但細不細心大家都能發現，很多歌曲存在重復的問題。所以，等下爬蟲的時候，我們需要先准備一個music_list,用來識別這首歌曲是否已經下載過了…
- 網頁解析
網頁比較簡單，一個div中包裹了一個ul>li*20,我們是不是該這樣獲取：
soup.find('div',{"class":"pull-left"}).find('ul').findAll('a')
如果你說是，那么一定沒有好好看我前天整理的文章通過哪吒豆瓣影評，帶你分析python爬蟲快速入門:https://www.jianshu.com/p/ae38f7607902，我在文章中專門提到了一個小技巧，通過使用attr的屬性進行快速解析，那么最快速的獲取方式是：
soup.findAll('a', attrs={'onclick': True})
我們只需要獲取所有的a標簽，切這些標簽中包含onclick這個屬性即可。
- 巧用eval
我們解析到的內容通過attr[‘onclick’],可以得到他的屬性open1(‘夜’,’http://p9-dy.byteimg.com/obj/61a20007a98954b0831d)，如何能快速獲取歌曲名字和url呢？這里我們需要用到一個eval的小技巧：
index = "open1('夜','http://p9-dy.byteimg.com/obj/61a20007a98954b0831d','')" index[5:] "('夜','http://p9-dy.byteimg.com/obj/61a20007a98954b0831d','')" index_tuple = eval(index[5:]) print(index_tuple, type(index_tuple)) ('夜', 'http://p9-dy.byteimg.com/obj/61a20007a98954b0831d', '') <class 'tuple'> index_tuple[0] '夜' index_tuple[1] 'http://p9-dy.byteimg.com/obj/61a20007a98954b0831d'
ps:今天一個朋友說我寫代碼沒注釋，我這是現身說法的告訴你，如何能寫出讓別人壓根看不懂的代碼，就是不寫注釋啊，哈哈！其實，代碼我都在文章中一點一點的講解了，所以沒有寫，但秉承着害怕大佬們取關的心態，我還是把注釋加上吧…
代碼實現
總體來說實現比較簡單，全部代碼如下：
# -*- coding: utf-8 -*- # @Author : 王翔 # @JianShu : 清風Python # @Date : 2019/7/31 23:25 # @Software : PyCharm # @version ：Python 3.7.3 # @File : DouYinMusic.py import os import requests from bs4 import BeautifulSoup import threading import time class DouYinMusic: def __init__(self): self.music_list = [] self.path = self.download_path() @staticmethod def download_path(): """ 獲取代碼執行目錄，並在目錄下創建Music文件夾 :return Music文件夾全路徑 """ base_dir = os.path.dirname(os.path.abspath(__file__)) _path = os.path.join(base_dir, "Music") if not os.path.exists(_path): os.mkdir(_path) return _path def get_request(self, url): """ 封裝requests.get方法 如果為網頁請求，返回網頁內容 否則，解析音樂地址，並返回音樂二進制文件 :param url: 請求url（分網頁、音樂兩類） :return: 網頁內容 & 音樂二進制文件 """ r = requests.get(url, timeout=5) if url.endswith('html'): return r.text else: return r.content def analysis_html(self, html): """ 根據獲取的網頁內容，解析音樂名稱、下載地址 調用音樂下載方法 :param html: 網頁內容 """ soup = BeautifulSoup(html, 'lxml') # 根據關鍵字onclick查找每個下載地址 for tag_a in soup.findAll('a', attrs={'onclick': True}): # 下載格式'("name","link","")',通過eval將str轉化為tuple類型 link_list = eval(tag_a['onclick'][5:]) music_name, music_link = link_list[:2] # 因為存在部分重復音樂，故設置判斷下載過的音樂跳過 if music_name in self.music_list: continue self.music_list.append(music_name) t = threading.Thread(target=self.download_music, args=(music_name, music_link)) time.sleep(0.5) t.start() def download_music(self, music_name, music_link): """ 解析音樂文件,完成音樂下載 :param music_name: 音樂名稱 :param music_link: 下載地址 """ _full_name = os.path.join(self.path, music_name) with open(_full_name + '.mp3', 'wb') as f: f.write(self.get_request(music_link)) print("抖音音樂：{} 下載完成".format(music_name)) def run(self): """ 主方法，用於批量生成url """ for page in range(1,55): url = "http://douyin.bm8.com.cn/t_{}.html".format(page) html = self.get_request(url) self.analysis_html(html) if __name__ == '__main__': main = DouYinMusic() main.run()
來讓我們看看效果吧：
網站是通過nginx負載均衡搭建的，有一些鏈接已經失效了。最終下載了不重復的592首抖音音樂。
同樣的，大家喜歡可以按照這種方法，嘗試下載一下網站的抖音視頻。
本文作者華為雲 | 清風Python