Python爬取入门教程16：音频素材网站的爬取

前言💨

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

前文内容💨

Python爬虫入门教程01：豆瓣Top电影爬取

Python爬虫入门教程02：小说爬取

Python爬虫入门教程03：二手房数据爬取

Python爬虫入门教程04：招聘信息爬取

Python爬虫入门教程05：B站视频弹幕的爬取

Python爬虫入门教程06：爬取数据后的词云图制作

Python爬虫入门教程07：腾讯视频弹幕爬取

Python爬虫入门教程08：爬取csdn文章保存成PDF

Python爬虫入门教程09：多线程爬取表情包图片

Python爬虫入门教程10：彼岸壁纸爬取

Python爬虫入门教程11：新版王者荣耀皮肤图片的爬取

Python爬虫入门教程12：英雄联盟皮肤图片的爬取

Python爬虫入门教程13：高质量电脑桌面壁纸爬取

Python爬虫入门教程14：有声书音频爬取

Python爬虫入门教程15：音乐网站数据的爬取

PS：如有需要 Python学习资料 以及 解答 的小伙伴可以加点击下方链接自行获取
python免费学习资料以及群交流解答点击即可加入

基本开发环境💨

• Python 3.6
• Pycharm

相关模块的使用💨

import os
import concurrent.futures
import requests
import parsel

安装Python并添加到环境变量，pip安装需要的相关模块即可。

一、💥确定需求

虽然上面显示需要付费下载，但是一样可以免费下载。

二、💥网页数据分析

打开开发者工具，点击播放音频，在Media中会加载出音频的url地址。

如果想要验证这个链接是否是音频的真实下载地址，可以复制链接粘贴到新的窗口中。

它会自动下载一个音频文件。并且这个音频文件是可以播放的，和网页上面的音频声音是可以对上的。
事实证明这个就是我们要获取音频地址。

https://downsc.chinaz.net/Files/DownLoad/sound1/202102/s830.mp3

老思路了，复制链接中的某些参数在开发者工具中进行搜索，很明显 s830 就是音频的ID了。

搜索 s830 找到来源，发现网页页面中自带有下载地址。获取音频下载地址之后需要自己拼接url。

网页数据不复杂，相对而言还是比较简单的。
1、请求当前网页数据，获取音频地址以及音频标题
2、保存下载就可以了

三、💥代码实现

获取音频ID以及音频标题

def main(html_url):
    html_data = get_response(html_url).text
    selector = parsel.Selector(html_data)
    lis = selector.css('#AudioList .container .audio-item')
    for li in lis:
        name = li.css('.name::text').get().strip()
        src = li.css('audio::attr(src)').get()
        audio_url = 'https:' + src
        save(name, audio_url)
        print(name, audio_url)

保存数据

def save(name, audio_url):
    header = {
        'Upgrade-Insecure-Requests': '1',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
    }
    audio_content = requests.get(url=audio_url, headers=header).content
    path = 'audio\\'
    if not os.path.exists(path):
        os.mkdir(path)
    with open(path + name + '.mp3', mode='wb') as f:
        f.write(audio_content)

这里想要重新给一个headers参数，不然会下载不了。代码会一直运行，但是没有反应

多线程爬取

if __name__ == '__main__':
    executor = concurrent.futures.ThreadPoolExecutor(max_workers=5)
    for page in range(1, 31):
        url = f'https://sc.chinaz.com/yinxiao/index_{page}.html'
        # main(url)
        executor.submit(main, url)
    executor.shutdown()