前言💨
本文的文字及圖片來源於網絡,僅供學習、交流使用,不具有任何商業用途,如有問題請及時聯系我們以作處理。
前文內容💨
PS：如有需要 Python學習資料 以及 解答 的小伙伴可以加點擊下方鏈接自行獲取
python免費學習資料以及群交流解答點擊即可加入
基本開發環境💨
- Python 3.6
- Pycharm
相關模塊的使用💨
import os
import requests
import parsel
import re
安裝Python並添加到環境變量，pip安裝需要的相關模塊即可。
一、💥確定需求
爬取所有榜單上面的音樂
二、💥網頁數據分析
1、先找音樂的URL地址
點擊播放，開發者工具里面就會有出現一個音樂播放地址。
2、找尋音樂url地址的來源。
https://webfs.yun.kugou.com/202102051451/598a943870c34115e8c290507183a2c9/G188/M06/18/09/_A0DAF34pOiABslMADSv-ykkq2s784.mp3
這樣的音樂URL根本就不知道有什么規律，所以可以在開發者工具里面搜索來源。
兩個url地址都是可以用的 ，因為有一個備用的url地址。
這些就是數據包的請求參數。一個鏈接是看不出來變化參數的。所以需要在對比一個音樂地址。
通過對比可以看到 hash，album_id 主要是這兩個參數的變化，最后的那個參數是時間戳。也可以把它當作恆定不變的也可以。
3、找尋 hash，album_id 請求參數的來源
其實這兩個參數在列表頁面的網頁源代碼里面就有的
里面的音樂名字是需要轉碼的，不過我們只需要 hash 和 album_id 這兩個參數就可以了，也不需要在這獲取音樂名字。不過還是說一下吧。
遇到 \u591c\u591c\u591c\u6f2b\u957f如何轉碼
字符串.encode('utf-8').decode('unicode_escape')
既然知道了 hash 和 album_id 這兩個參數 在網頁的源代碼里面就有，那現在只需要獲取每個類目的url地址就可以爬取所有的榜單的音樂了。
直接請求網頁就可以獲取所有類目的url地址了
三、💥代碼實現
獲取所有類目url地址以及標題
def get_type_url(html_url):
response = get_response(html_url)
selector = parsel.Selector(response.text)
lis = selector.css('.pc_temp_side ul li')
for li in lis:
# 獲取類目標題
type_title = li.css('a::attr(title)').get()
# 獲取類目url
type_url = li.css('a::attr(href)').get()
print(f'正在爬取{type_title}', type_url)
獲取請求參數 hash 以及 album_id
def get_music_info(type_url):
response = get_response(type_url)
result = re.findall('global\.features = \[(.*?)\]', response.text)[0].encode('utf-8').decode('unicode_escape')
hash_num = re.findall('"Hash":"(.*?)"', result)
album_id = re.findall('"album_id":(\d+),"', result)
music_info = zip(hash_num, album_id)
for index in music_info:
music_hash = index[0]
music_id = index[1]
獲取音樂url 以及 音樂名
def get_music_url(music_hash, album_id):
page_url = 'https://wwwapi.kugou.com/yy/index.php'
params = {
'r': 'play/getdata',
'hash': music_hash,
'dfid': '3ve7aQ2XyGmN0yE3uv3WcaHs',
'mid': 'ac3836df72c523f46a85d8a5fd90fe59',
'platid': '4',
'album_id': album_id,
'_': '1612508120385',
}
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
response = requests.get(url=page_url, params=params, headers=headers)
json_data = response.json()
music_name = json_data['data']['audio_name']
music_url = json_data['data']['play_url']
保存數據到本地
def save(music_name, music_url):
path = 'music\\'
if not os.path.exists(path):
os.mkdir(path)
music_content = get_response(music_url).content
with open(path + music_name + '.mp3', mode='wb') as f:
f.write(music_content)
print('正在保存：', music_name)
