通过tag[‘href’]即可得到其中的href属性值
由于这是一个相对地址,只要在前面加上baseurl:https://www.8lrc.com即可得到对应歌曲的链接
获取歌曲音频资源及歌词
接着我们访问具体歌曲如https://www.8lrc.com/geci/1130167.htm,希望获得其歌曲的资源以及歌词
同样打开开发者工具,可以发现在第四个script标签中的setPlayer函数里有一个url地址,且其以.mp3为后缀,结合这是一个播放器,我们不难想到这就是歌曲的音频资源,而下面的显然就是我们所需要的歌曲的歌词
知道了这些以后,就可以开始爬虫获取了
首先我们通过soup_body.select("body script")[3].get_text()
语句获得这个script标签的文本
通过观察,url地址都是以”url“:"
为起始,以引号"
作为结束,所以我们不难写出匹配url地址的正则表达式:r'"url":"([^"]*)"'
括号中的内容即我们希望获得的mp3资源
通过re.search(pattern1, script).group(1)
语句即可获得括号中的内容
由于获得的地址中会有转义字符/,所以我们需要用replace(r'\/', '/')
将其置换为/
def get_song_detail(self, keyword): # 呈现搜索结果于界面
result = r’https://www.8lrc.com’ # 搜索结果的基础地址
pattern = r’(.) - (.)’ # 得到歌名的正则表达式
pattern1 = r’“url”:“([^”]*)"’ # 得到歌曲资源的正则表达式
self.keyword = keyword
self.names = []
self.musics = []
self.lyric = []
self.num = 0
for tag in self.tags[0:]:
if re.match(pattern, tag.text):
res_body = requests.get(result + tag[‘href’])
soup_body = BeautifulSoup(res_body.text, ‘html.parser’)
if soup_body.text.contains(“404”): continue
script = soup_body.select(“body script”)[3].get_text()
pre_music = re.search(pattern1, script).group(1)
self.names.append(re.split(pattern, tag.text)[1]) # 获取歌名
self.musics.append(pre_music.replace(r’/', ‘/’)) # 获取歌曲资源
self.num = self.num+1
self.song_show()
此处会有可能会出现一个问题,就是通过第一步获得的歌曲网址未必能打开,有的歌曲没有版权所以访问会出现404的情况,为了避免程序报错,我们需要跳过404的页面,所以有语句:if soup_body.text.__contains__("404"): continue
歌词方面同上都是先写出正则表达式,然后匹配得到结果,此处便不再演示,需要注意的是得到的歌词都带着\r\n字符,这显然不是我们所希望的,所以我们使用lyric.replace(r'\r\n', '\n')
语句将这些字符转换为换行符,即可实现每句歌词占一行
这个部分我们爬取的网站地址为:http://m.yue365.com/bang/box100_w.shtml
步骤与上文无太大差别
值得一提的是该网站使用的编码是’gb2312’,而我们的编译器一般默认编码是utf-8,所以会出现乱码的情况
所以我们应该对获得的响应体设置编码
对于获取到的数据,我们采用excel存储
首先使用xlsxwriter.Workbook('popsongs.xlsx')
创建一个名为popsongs的excel文件,可以再参数中设置格式,也可以利用add_format()创建格式
随后创建一个表单workbook.add_worksheet('pop500')
命名为pop500,并使用 worksheet.set_column()
设置列宽(第一个参数为起始列,第二个参数为终止列,第三个参数为长度,行数列数都从0开始)
之后就可以使用worksheet.write_row(row, 0, ['排名', '歌名', '歌曲url', '歌曲热度'], first_format)
对每一行写入数据了,第一个参数为目标行,第二个参数为起始列,第三个参数为写入的值,从起始列开始写入列表中的值,第四个参数为之前所创建的格式
最后记得关闭excel文件,便大功告成了
def pop_songs(self):
row = 0
base = ‘http://m.yue365.com/’
url = ‘http://m.yue365.com/bang/box100_w.shtml’
pattern = r’width:(.*)%’
self.hot = []
res_body = requests.get(url)
res_body.encoding = ‘gb2312’
soup_body = BeautifulSoup(res_body.text, ‘lxml’)
songs = soup_body.findAll(class_=‘name’)
hot = soup_body.findAll(‘span’, class_=‘dib’)
workbook = xlsxwriter.Workbook(‘popsongs.xlsx’)
first_format = workbook.add_format({‘align’: ‘center’})
second_format = workbook.add_format({‘align’: ‘left’})
worksheet = workbook.add_worksheet(‘pop500’)
worksheet.set_column(0, 0, 6)
worksheet.set_column(1, 1, 20)
worksheet.set_column(2, 2, 46)
worksheet.set_column(3, 3, 10)
worksheet.write_row(row, 0, [‘排名’, ‘歌名’, ‘歌曲url’, ‘歌曲热度’], first_format)
for song in songs:
self.hot.append(re.split(pattern, hot[row*2+1][‘style’])[1])
row += 1
song_url = base+song.a[‘href’]
worksheet.write_row(row, 0, [row, song.a.text, song_url, self.hot[row-1]], second_format)
workbook.close()
os.startfile(‘popsongs.xlsx’)
使用os.startfile('popsongs.xlsx')
在写完数据后自动打开文件
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)
img.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)