python实现某网站的音乐下载

写在前面：首先，理论上讲，如果歌曲可以在网页上播放，那么一定有网址(source src)保存着歌曲的源文件。那么利用火狐（或者谷歌）浏览器的F12功能，就可以快速提取出该source src，进而完成歌曲下载了。基于上述操作，我就想到了用python把如前所述封装起来，输入歌曲名称进行选择进而完成下载。

1. 前期准备

• 开发环境：win10 + py3.5（即windows + py3.x）

• 需要安装的库：requests 和 selenium（具体安装方法网上有很多，这里不再赘述。其中关于selenium的教程建议参考虫师的《selenium2 python自动化测试》）

• ps. 这里的某网站指的是QQ音乐，当然酷狗音乐原理相同。网易云会涉及到更加复杂的跳转，由于没有学过前端，暂时无法处理。。。

2. 具体步骤

2.1 网址定位

打开QQ音乐，使用“搜索”按钮进行搜索后（以搜索-崇拜-为例），得到的结果为：

从图中复制可以得到歌曲搜索网址如下：

https://y.qq.com/portal/search.html#page=1&searchid=1&remoteplace=txt.yqq.top&t=song&w=%E5%B4%87%E6%8B%9C

注意：上述网址中的%E5%B4%87%E6%8B%9C是“崇拜”的HTML可识别编码形式。

接下来我们使用requests.get(url)就可以得到页面内容了，让我们看一下结果：

# coding:utf-8
# 测试返回结果

import requests
import urllib.request

headers = {
        'Host': 'y.qq.com',
        'User-Agent': '', # 这个大家用自己的就好
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
        'Accept-Language': 'zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3',
        'Accept-Encoding': 'gzip, deflate, br',
        'Referer': 'http://y.qq.com/',
        'Connection': 'keep-alive',
        'Cache-Control': 'max-age=0',
    }
MusicName = "崇拜"  # 测试用例
urlMusicName = urllib.parse.quote(MusicName)  # 转换成url可以读取的字符串

url = "https://y.qq.com/portal/search.html#page=1&searchid=1&remoteplace=txt.yqq.top&t=song&w=" + urlMusicName
response = requests.get(url, headers = headers)
print(response.text)

运行上述代码，打印结果如下所示：

由于结果太长，这里我们截取一部分观察。发现结果中出现很多乱码，原来是缺失对response编码的结果。在上述代码中进行修改：

    response = requests.get(url, headers = headers)
    response.encoding = 'utf-8'   # 对结果进行utf-8编码

此时再重新打印，就可以显示中文了！

但是我们会发现，在返回的结果中，并没有显示出歌曲列表，这是为什么呢？

对比一下原网页的F12结果和返回结果我们发现，在原网页中，歌曲列表是存在在这个div里的：

<div class="js_search_tab_cont" id="song_box" style="display: block;">

但是在返回结果中，该div标签的显示为：

<div class="js_search_tab_cont" id="song_box"></div>

内容为空！这也就解释了为什么我们无法得到歌曲列表了，因为根本没有加载出来。

为了进一步解释这个问题，我们需要做以下几件事：

1. 打开火狐浏览器（因为我selenium用的火狐，所以这里都是使用火狐浏览器，当然使用谷歌也完全没有问题~~），在地址栏中输入about:config，进入浏览器设置页面。

2. 在页面中输入javascript.enabled，找到后 鼠标右键-切换。

3. 这样我们就将浏览器的javascript关掉了。

4. 关掉之后再重新加载原搜索网页，可以发现歌曲列表不见了。

通过上述操作，我们已经弄明白原因，那就是该歌曲列表是通过JavaScript进行加载，而非静态网页，也因此，我们使用静态网页方法进行获取时，是得不到加载后的歌曲列表的。

为了解决上述问题，也查看了不少方法，觉得说的比较全面在这里：传送门-知乎

最后，我选择了一种最不智能的方法，就是—暗中观察。

继续F12，网络–JS–“clint_search”找到了js跳转的真正网址，具体如图：

这样就完成了请求网址的定位，万里长征走完第一步~

2.2 歌曲列表打印

可能有同学要问了，为什么我们要去定位上述网址呢，上述网址打开之后是什么样子呢？

乱乱的，像json。为了方便阅读，这里直接使用火狐自带的阅读模式，就是上图中红色框中的button，点击，继续观察：

注意图中红色框出的部分，“media_mid”，“name”，“title”。后面两个很好解释，那么第一个是做什么用的呢？

在歌曲列表网页中随便点击一首歌曲，可以发现其跳转后的URL为：

https://y.qq.com/n/yqq/song/003JlYgD1SvCYe.html

后面这一长串就是media_mid，原来它是用来定位歌曲的。

具体如何从json中查找出全部有用信息，这就涉及到了python 正则匹配的问题，建议大家自行学习，这里匹配不难，注意细节即可！

将全部有用信息提取出来后，存入字典，并打印在屏幕上，这样就可以自己选择想下载的歌曲了。

其中，字符串的对齐需要注意一下。因为包含中文和标点符号，因此直接使用`”%-10s”等python自带的对齐方式是不行的，需要重新写对齐函数，我参考了这里中文字符对齐-传送门，并进行了部分修改，得到字符对齐函数如下：

# ================中文检测函数====================
# 参考网址：http://lib.csdn.net/article/python/66507?knId=160
def findChinese(source):
    # text = source.decode('utf8')   # python3 默认为unicode
    r = re.findall('[\u4e00-\u9fa5]', source)
    # 去除空格影响
    condition = lambda t: t != ' '
    results = list(filter(condition, r))
    return results


# ===============填充字符函数======================
# 参考网址：http://lib.csdn.net/article/python/66507?knId=160
# 输入变量说明：
# un_align_str: 输入字符串
# lenh: 半角字符个数；自己设置；默认为0
# lenf: 全角字符个数；自己设置；默认为0
# addh: 半角字符空格
# addf: 全角字符空格
def myAlign(un_align_str, lenh = 0, lenf = 0, addh = ' ', addf = u' '):
    assert isinstance(lenh, int)   # 断言半角长度为整形变量
    assert isinstance(lenf, int)   # 断言全角长度为整形变量
    slen = len(un_align_str)
    # 中文在默认的utf-8编码下显示占用约2个字符
    chn = findChinese(un_align_str)
    numchn = len(chn)
    numspn = slen - numchn
    str = addh * (lenh - numspn) + addf * (lenf - 2 * numchn)
    return str

OK，完成歌曲列表打印！

2.3 链接跳转与歌曲下载

我们发现，当我们点击歌曲的-播放-按钮时，实际上完成的是一次网页跳转（jump~jump~）

对于这种类似于人的操作，我们可以使用selenium来进行模拟。

具体过程也可以描述成如下步骤：

1. 定位“播放”按钮

2. 模拟鼠标左键单击操作

3. 读取跳转后的网页，查找source src

由于页面加载需要时间，这里我直接使用的是time.sleep()函数来进行等待，另外针对多窗口之间的跳转，selenium也给出了API，那就是driver.window_handles。

在这里，需要利用time.sleep()等待句柄加载完成，否则会出现无法读取的情况，因此我用了如下判断语句进行处理

    count = 0
    allhandles = driver.window_handles
    for handle in allhandles:
        count += 1
    if count == 2:
        driver.switch_to_window(driver.window_handles[1])
    else:
        time.sleep(5)
        driver.switch_to_window(driver.window_handles[1])

有了当前driver，我们就可以读取driver.page_source，正则匹配出source src，然后利用requests.get(url).content完成歌曲下载啦！

3. 相关源码

源码已经上传，大家可以自行下载：QQ音乐下载器源码。