Python爬虫入门教程15：音乐网站数据的爬取

最新推荐文章于 2024-10-02 14:44:50 发布

chinaherolts2008

最新推荐文章于 2024-10-02 14:44:50 发布

阅读量5.3k

点赞数 2

分类专栏： python基础教程文章标签： python基础教程

原文链接：https://www.cnblogs.com/Qqun821460695/p/14367144.html

版权

python基础教程专栏收录该内容

638 篇文章

订阅专栏

基本开发环境💨
Python 3.6
Pycharm
相关模块的使用💨
import requests
import os
安装Python并添加到环境变量，pip安装需要的相关模块即可。

一、💥明确需求
爬取某音乐网站的排行榜歌曲。
在这里插入图片描述

二、💥网页数据分析
1、F12或者鼠标右键点击检查打开开发者工具，点击播python基础教程放音乐，下面会加载出音乐数据。在这里插入图片描述

#  干饭人之歌 音频数据地址：
https://gm-sycdn.kuwo.cn/82c2c756b7ebeacb907831ff0906199e/601a3aa9/resource/n2/88/78/3642423505.mp3

复制链接粘贴到浏览器中

在这里插入图片描述

2、根据音频链接中的参数，搜索查找来源
在这里插入图片描述

音频链接来源

https://www.kuwo.cn/url?format=mp3&rid=160864905&response=url&type=convert_url3&br=128kmp3&from=web&t=1612331691895&httpsStatus=1&reqId=550f7f80-65e4-11eb-9b00-6d65a3b5fef1
一首歌曲的来源地址是找不出规律的，所以要再对比一些另外一首歌曲的链接参数
在这里插入图片描述

如图所示： rid 和 t 参数不一样，很明显 t 就是代表的时间戳，这个使用 time.time() 就有了，所以可以继续在开发者工具中搜索 rid 的值

在这里插入图片描述

https://www.kuwo.cn/api/www/bang/bang/musicList?bangId=93&pn=1&rn=30&httpsStatus=1&reqId=428dcbf0-65e4-11eb-9b00-6d65a3b5fef1
rid 以及歌名歌手名都有了。

三、💥代码实现
爬虫分析思路是从上到下开始分析，写代码则是从下往上写。

1、获取音乐的 rid 、歌名、歌手名

import pprint
import requests


def get_response(html_url):
    headers = {
        'Cookie': '你自己的cookie',
        'csrf': 'D2YF7NMH81N',
        'Host': 'www.kuwo.cn',
        'Referer': 'https://www.kuwo.cn/rankList',
        '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=html_url, headers=headers)
    return response


def get_music_info(html_url):
    json_data = get_response(html_url).json()
    pprint.pprint(json_data)
    music_list = json_data['data']['musicList']
    for index in music_list:
        music_name = index['album']
        singer = index['artist']
        music_rid = index['rid']
        

if __name__ == '__main__':
    url = 'https://www.kuwo.cn/api/www/bang/bang/musicList?bangId=93&pn=1&rn=30&httpsStatus=1&reqId=428dcbf0-65e4-11eb-9b00-6d65a3b5fef1'
    get_music_info(url)

在这里插入图片描述

返回的是一个json数据，一个一个去取值就可以了，主要的注意点就是headers参数的问题，如果参数不给全，爬取不到数据。

2、获取音频URL地址

def get_music_url(music_rid):
    page_url = f'https://www.kuwo.cn/url?format=mp3&rid={music_rid}&response=url&type=convert_url3&br=128kmp3&from=web&t=1612331691895&httpsStatus=1&reqId=550f7f80-65e4-11eb-9b00-6d65a3b5fef1'
    json_data = get_response(page_url).json()
    music_url = json_data['url']
    return music_url
3、保存音频数据

def save(music_name, music_url):
    path = 'music\\'
    if not os.path.exists(path):
        os.makedirs(path)
    filename = path + music_name + '.mp3'
    headers = {
        'if-range': '8eba7fc5d5b2f4d223d54612aa3f4773',
        'range': 'bytes=524288-524288',
        'upgrade-insecure-requests': '1',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400',
    }
    music_content = requests.get(url=music_url, headers=headers).content
    with open(filename, mode='wb') as f:
        f.write(music_content)
        print('正在保存：', music_name)