python爬虫实践之爬取hao123音乐音乐导航

目录

概述

准备

所需模块

涉及知识点

运行效果

完成爬虫

1. 分析网页

2. 爬虫代码

---

概述

爬取hao123上的所有音乐导航链接

准备

所需模块

• re模块
• requests模块

涉及知识点

• python基础
• requests模块基础
• re模块基础

运行效果

控制台打印：

完成爬虫

1. 分析网页

打开hao123音乐导航，按F12分析网页

因此可以使用URL：http://www.hao123.com/music/wangzhi请求该网页的HTML源代码进行数据获取。

2. 爬虫代码

import re

import requests

# 音乐导航网址：http://www.hao123.com/music/wangzhi

# 请求头
header = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.81 Safari/537.36"
}
# 请求的URL
url = "http://www.hao123.com/music/wangzhi"
# 发送请求，获取响应
response = requests.get(url, headers=header).text
# 正则表达式：获取音乐导航链接URL
pat_music_url = r'<a href="(.*?)" title="" target="_blank" class="text-con">'
# 正则表达式：获取音乐导航名字
pat_music_name = r'<a href=".*?" title="" target="_blank" class="text-con">[\s\s]*?(.*?)[\s\s]*?</a>'
# 音乐导航URL列表
music_url_list = re.findall(pat_music_url, response.strip())
# 音乐导航名字列表
music_name_list = re.findall(pat_music_name, response)
# 循环遍历
if len(music_url_list) == len(music_name_list):
    for i in range(0, len(music_url_list)):
        print(music_name_list[i], ":", music_url_list[i])

运行代码结果如上所示，主要的难点就是使用正则表达式提取数据。