本文介绍了一个Python爬虫项目，用于搜索并获取8lrc.com上的歌曲资源和歌词。通过分析网页元素，提取歌曲链接，然后利用正则表达式匹配音频资源URL。遇到404错误时，程序会自动跳过。此外，还展示了如何爬取热门歌曲列表，并将其存储到Excel文件中。整个过程涉及到网络请求、HTML解析、正则表达式和文件操作等技术。
接下来通过f12查看页面元素
我们会发现，查询到的每首歌曲的跳转信息都在一个类名为”tGequ“的a标签里
那么我们就可以使用findAll函数获得所有歌曲的a标签
def search(self, keyword):
self.play_index_now = -1 # 每次重新搜索都将当前播放序号设置为-1
urlbase = r’https://www.8lrc.com/search’ # 搜索的基础地址
params = {‘key’: keyword} # 封装搜索的参数
res_body = requests.get(urlbase, params) # 拼接url，发送请求
soup_body = BeautifulSoup(res_body.text, ‘html.parser’) # html解析获得响应文本
self.tags = soup_body.findAll(class_=‘tGequ’) # 得到查询结果
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：
最低0.47元/天 解锁文章
扫一扫
2738
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
