从喜马拉雅听下载音频文件

环境：64位win7+Python 3.6+Eclipse+Pydev

分析喜马拉雅格式

以乡村爱情9为例，分析下载路径：
打开连接路径，调用chrome里的开发者工具，（更多工具——>开发者工具）

在页面上点击播放按钮，检查浏览器请求的各项链接，如图所示，在Network里，可以看到“.json”文件，在右侧打开“Preview”，检查里面的代码：
album_title：专辑名称
play_path：音频文件的地址
title：音频文件的名称
这三项，就是我们需要提炼出来的信息。
音频文件下载的步骤，是通过“.json”文件，在本地建立名为“album_title”的文件夹，将下载的音频（路径为play_path）保存名称为“title”后存入该文件夹。

鼠标移至“30543115.json”，右键选择可以看到30543115.json文件的下载地址为：
http://www.ximalaya.com/tracks/30543115.json

在网页源代码上，我们找到下面一项

      <div class="personal_body" sound_ids="30543115,30561910,30561911,30561912,30561913,30561914,30561915,30561916,30561917,30561918,30561919,30561920,30561921,30561922,30561923,30561924,30561925,30561926,30561927,30561928,30561929,30561930,30561931,30561932,30561933,30561934,30561935,30561936,30561937,30561938">

可以发现“sound_ids=”内的文件，正好是该专辑下对应的各个音频的.json文件名称
由此，我们可以推出其该专辑其余音频信息文件也在形如
http://www.ximalaya.com/tracks/xxx.json 的文件内
抽取其中一个进行检验，比如30561933，在浏览器打开http://www.ximalaya.com/tracks/30561933.json，发现正如所预料那样，是该专辑某音频的信息

注：直接从浏览器打开，中文字符可能显示为形如”album_title”:”\u4e61\u6751\u7231\u60c59”的样式，需要进行转码，可以利用开发者工具检查该json文件信息。

代码

# -*- coding: utf-8 -*-
#! /usr/bin/env python3

from bs4 import BeautifulSoup 
import urllib.request
import json,os

def bsObjForm(url): 
    headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ' 'Chrome/51.0.2704.63 Safari/537.36'}
    req = urllib.request.Request(url=url, headers=headers)
    html = urllib.request.urlopen(req).read().decode('gbk','ignore')#, 'ignore'  
    bsObj1 = BeautifulSoup(html, "lxml") 
    return bsObj1

def Schedule(a,b,c):
    '''''
    a:已经下载的数据块
    b:数据块的大小
    c:远程文件的大小
   '''
    per = 100.0 * a * b / c
    if per > 100 :
        per = 100
    print ('%.2f%%' % per,'已下载的大小:',a*b,'文件大小:',c)
    #print '已经下载的数据块:',a#,'\n'
    #print '数据块的大小:',b#,'\n'
    #print '远程文件大小:',c,'\n'
    #print '已下载的大小:',a*b,'文件大小:',c

#获得专辑信息，分析音频文件名称，所属专辑，下载地址，并将文件保存在本地       
def getM4a(url):
    bsObj = bsObjForm(url)
    soundInfo=bsObj.p.string
    jsonStr = json.loads(soundInfo)
    album_title=jsonStr['album_title']
    play_path=jsonStr["play_path"]
    title=jsonStr["title"]

    #由于title里面可能包含不能作文件名称的字符，所以将这些字符去掉
    title= re.sub('[\/:*?"<>|]','_',title)
    print(album_title,play_path,title)
    #将单曲写入文件
    #判断文件夹是否存在，如果不存在，则新建文件夹
    if os.path.exists('../src/喜马拉雅/'+album_title+'/')==False:
        os.makedirs(u'../src/喜马拉雅/'+album_title+'/')

    article_path='../src/喜马拉雅/'+album_title+'/'+title+'.mp3'
    #判断文件是否存在，如果存在，则不进行下载
    if  os.path.exists(article_path):
        print('%s 文件已经存在'%title)
    else:
        urllib.request.urlretrieve(play_path,article_path,Schedule)

#分析所属专辑内各文件地址 
def getAlbumInfo(url):
    bsObj = bsObjForm(url)
    soundIds=bsObj.find('div', attrs={'class':'personal_body'}).get('sound_ids').split(',')
    for soundId in soundIds:
        print(soundId)
        path_url='http://www.ximalaya.com/tracks/'+soundId+'.json'
        print(path_url)
        getM4a(path_url)
    print('下载完成')

getAlbumInfo('http://www.ximalaya.com/27639105/album/3751131')

运行的时候，调用getAlbumInfo(url)函数，url为喜马拉雅文件的连接

相关文档

1、使用Python读取和写入mp3文件的id3v1信息
2、Python 创建XML