实战1：爬取轻音乐网歌曲

本文是看完该教程https://www.51zxw.net/list.aspx?cid=732后的实践

分析

第一步：进入轻音乐网的热搜榜页面

第二步：ctrl+shift+i 打开开发者页面
第三步：找寻页面1,2，3的网址
页面1：http://www.htqyy.com/top/musicList/hot?pageIndex=0&pageSize=20
页面2：http://www.htqyy.com/top/musicList/hot?pageIndex=1&pageSize=20
页面3：http://www.htqyy.com/top/musicList/hot?pageIndex=2&pageSize=20
可知pageIndex=页码-1

第四步，歌曲URL：http://www.htqyy.com/play/33

第五步：资源URL：http://f2.htqyy.com/play7/33/mp3/6 属于媒体type

实例代码：

import requests
import re
import time
#http://www.htqyy.com/top/musicList/hot?pageIndex=0&pageSize=20 第一页
#http://www.htqyy.com/top/musicList/hot?pageIndex=1&pageSize=20 第二页
#http://www.htqyy.com/top/musicList/hot?pageIndex=2&pageSize=20 第三页
#pageIndex=页数-1


#歌曲网址 http://www.htqyy.com/play/33

#<a href="/play/33" target="play" title="清晨" sid="33">清晨</a>
songName=[] #title
songID=[]  #sid

page = int(input("请输入您要爬取的页数：")) #page传入以下参数
#遍历爬取的页面
for i in range(0, page):  #如果是从1开始，str(i-1)
    url="http://www.htqyy.com/top/hot?pageIndex="+str(i)+"&pageSize=20"
    #获取第n个网页信息
    html =requests.get(url)
    #获取网页源码
    strr = html.text
    #正则表达式提取数据
    pat1=r'title="(.*?)" sid' #<a href="/play/33" target="play" title="清晨" sid="33">清晨</a>
    pat2=r'sid="(.*?)"'
    titlelist=re.findall(pat1, strr)
    idlist=re.findall(pat2, strr)

    songName.extend(titlelist) #将歌名的列表放入定义的songName空列表即两个列表合并
    songID.extend(idlist)

#获取到了歌名和ID，下一步获取歌曲资源所在链接
for i in range(0, len(songID)):
    songurl = "http://f2.htqyy.com/play7/"+str(songID[i])+"/mp3/6"
    data = requests.get(songurl).content  #歌曲资源属于媒体类型，须二进制读出

    #保存资源到本地
    print("正在下载第", i+1, "首")
    with open("F:\\SpiderData\\music\\{}.mp3".format(songName[i]), "wb")as f:
        f.write(data)
    time.sleep(0.5)

运行结果