用python写的一个爬虫程序,可以实现歌曲的下载功能,大约有50000多首歌曲可以下载(本文仅供学习使用)
1、爬虫程序,请求网页,解析网页,储存所需要的信息(wangyi.py)
from urllib import request
#这里使用的是第三方urllib库来请求url
import random
import lxml
from conn_db import art_db
#这里导入自定义的数据库连接、读写的库
from multiprocessing import Pool
#引用进程池,多进程的请求url
ua_list=[
{'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'},
{'User-Agent':'Mozilla/5.0 (Windows NT 6.2) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.12 Safari/535.11'},
{"User-Agent":"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; Media Center PC 6.0; InfoPath.3; MS-RTC LM 8; Zune 4.7)"},
{"User-Agent":"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; Media Center PC 6.0; InfoPath.3; MS-RTC LM 8; Zune 4.7"},
{"User-Agent":"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; Zune 4.0; InfoPath.3; MS-RTC LM 8; .NET4.0C; .NET4.0E)"},
{"User-Agent":"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)"},
{"User-Agent":"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)"},
{"User-Agent":"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 2.0.50727; SLCC2; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; Zune 4.0; Tablet PC 2.0; InfoPath.3; .NET4.0C; .NET4.0E)"},
{"User-Agent":"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0"}
]
#上面是user-agent池,存放多个不同的user-agent
header = {
'User-Agent':random.choice(ua_list)["User-Agent"]
}
#上面是动态的随机生成user—agent,减少被识别的风险
def url_request(url):
requ = request.Request(url,headers=header)
html = request.urlopen(requ).read().decode("utf-8")
return html
#请求目标url
def get_artist(url):
html = url_request(url)
html = lxml.etree.HTML(html)
li_art = html.xpath('//*[@id="m-artist-box"]/li')
for art in li_art:
art_name=art.xpath(".//a[1]/text()")[0]
art_id =art.xpath(".//a[1]/@href")[0]
art_db.get_art(art_name,art_id)
get_art_song(art_name,art_id)
#上面部分是得到所有的歌手信息:姓名,id
#调用自定义的db模块,信息存入到数据库中
#并且调用下面的函数,得到歌曲信息
#这里主要用到xpath方法对目标页面进行解析分离出自己想要的部分
def get_art_song(art_name,art_id):
url = "https://music.163.com{}".format(art_id)
html = url_request(url)
html = lxml.etree.HTML(html)
li_song = html.xpath('//ul[@class="f-hide"]/li')
for song in li_song:
song_name = song.xpath("./a/text()")[0]
print("正在存储---{}--链接".format(song_name))
song_src = song.xpath("./a/@href")[0]
art_db.get_song(song_name,song_src,art_id)
#同样的将歌曲的信息,下载链接等存放如数据库中
if __name__ == "__main__":
# 华语歌手列表
art_id_ch= [1001,1002,1003]
#欧美歌手列表
art_id_ou= [2001,2002,2003]
#日本歌手列表
art_id_jp= [6001,6002,6003]
all_art_id = art_id_ch + art_id_ou + art_id_jp
#所有分类歌手的id号
pool = Pool()
#创建进程池,将对应的分类id的url传入创建进程
for x in all_art_id:
url_artist = "https://music.163.com/discover/artist/cat?id={}".format(x)
pool.apply_async(get_artist,(url_artist,))
pool.close()
pool.json()
上面的是爬虫的主程序,主要利用多进程的思想,加快的爬取的效率;同时在对目标网页进行解析中可以用到很多方法,比如说:beautifulsoup、正则匹配等都可以快熟的筛选出想要的信息。
2、下面的就是自定义的数据库模块(conn_db.py),这一部分不需要独立运行,而是有主爬虫程序调用使用。
import pymysql as pm
class Mysqlpython:
def __init__(self):
self.host = "127.0.0.1"
self.port = 3306
self.db = "song_db"
self.user = "root"
self.passwd = "123456"
self.charset = "utf8"
#上面是数据库的基本参数
self.conn = pm.connect(host=self.host, port=self.port, db=self.db, user=self.user,
passwd=self.passwd,
charset=self.charset)
self.cur = self.conn.cursor()
#这里初始化的创建连接数据库,不会再使用时重复调用
def get_art(self, art_name,art_id):
sql1 =" CREATE TABLE art_id(id int PRIMARY KEY AUTO_INCREMENT,art_name varchar(50) NOT NULL,art_id varchar(50) NOT NULL);"
sql2 ="CREATE UNIQUE INDEX art_id_art_id_uindex ON art_id (art_id);"
#创建歌手表,生成唯一索引,在后续的歌曲下载过程中加快搜索速度
sql3 = "INSERT INTO `song_db`.`art_id` (`art_name`, `art_id`) VALUES ('{}', '{}');".format(art_name,art_id)
try:
self.cur.execute(sql1)
self.cur.execute(sql2)
self.conn.commit()
#使用try语句创建数据库,判断如果数据库已经创建过的,就生成异常,跳过创建
except:
pass
try:
self.cur.execute(sql3)
self.conn.commit()
#将爬取的歌手信息存储到数据库中
except:
pass
return None
def get_song(self,song_name,song_src,art_id):
sql1 = "CREATE TABLE song_id(id int PRIMARY KEY AUTO_INCREMENT,song_name varchar(50),song_id varchar(50),song_art_id varchar(50));"
sql2 = "INSERT INTO `song_db`.`song_id` (`song_name`, `song_id`, `song_art_id`) VALUES ('{}', '{}', '{}');".format(song_name,song_src,art_id)
try:
self.cur.execute(sql1)
self.conn.commit()
except:
pass
try:
self.cur.execute(sql2)
self.conn.commit()
except:
pass
return None
#上面同样是创建歌曲表,将爬取的歌曲信息存放如数据库中
def select_song(self,name,song):
sql = "SELECT art_name,song_name,song_id from art_id join(select song_name,song_id,song_art_id from song_id)t on song_art_id =art_id and song_name='{}' and art_name = '{}';".format(song,name)
self.cur.execute(sql)
songs = self.cur.fetchall()
self.conn.commit()
return songs
#上面部分对应的是,在下载歌曲中查找的操作
art_db = Mysqlpython()
#生成实例,在爬虫主程序中调用这个实例和与之对应的方法,实现连接数据库的功能
数据库的连接模块独立封装,降低的主程序的代码冗余,可以是整个的逻辑更加畅通,而且复用性更强,添加新的功能更为方面
3、歌曲的下载模块(songs_down.py)
同上上面的两个步骤,已经把我们想要的歌曲存储到数据库中,我们只需要搜索目标歌手,歌曲就能完成下载。
from conn_db import art_db
from urllib import request
def song_select(name,song):
songs = art_db.select_song(name,song)
song_num = len(songs)
print("搜索到{}首相关歌曲".format(song_num))
if song_num:
return songs
else:
return None
#这里通过搜索数据库中歌曲信息,来查找对应歌曲
def song_down(x):
song_id = x[2].split("?")[1]
url = "http://music.163.com/song/media/outer/url?{}.mp3".format(song_id)
header = {'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'}
requ = request.Request(url,headers=header)
html = request.urlopen(requ).read()
#请求歌曲信息,在爬虫的主程序中,我们已经拿到也歌曲所对应的字节流地址,并写入数据库,现在我们直接请求数据流地址,返回的就是对应歌曲的字节流,在经过写入文件,就能达到下载的目的
with open("{}.mp3".format(x[1]),"wb") as song_f:
song_f.write(html)
print("下载完成!")
if __name__ == "__main__":
while True:
name = input("请输入歌手:")
if not name:
break
song = input("请输入歌曲:")
songs = song_select(name,song)
#输入想要下载的歌手,歌曲,搜索对应信心是否存在
if songs:
for x in songs:
print("正在下载----{}---{}".format(x[0],x[1]))
song_down(x)
整个过程基本上完成了,最后的效果如下:
可以看出对应的两首歌曲已经下载完成,程序运行OK。
但是,数据库中的歌曲才有50000多首,可以通过为网易云音乐的网页分析,添加更多的歌手分类id到我们创建的id池中,这样就可以增到歌曲的收纳数,达到任何歌曲,随时下载的目的。
这里可一个自定义一个gui模块,将下载,播放等功能可视化,这样就创建的自己的一个音乐播放软件。