本篇分享将讲解如何利用Python爬虫在百度上下载新浪微盘里自己想要的歌手的歌曲,随便你喜欢的歌手!
首先我们先探索一下我们操作的步骤(以下载Westlife的歌曲为例):打开百度,输入”Westlife 微盘”,将弹出如下页面:
第1,2条是新浪微盘的搜索记录,但第1条记录中的歌曲大于1首,我们将不对其进行下载,下载的网页类似于一下页面:
接下来点击该页面的下载按钮即可下载,等待一会儿关闭当前网页回到原所搜页面,再对下一条记录进行处理。我们写Python爬虫程序的爬取网页的基本过程就如上所述啦。
在上一篇分享中,我们已了解了如何运行爬虫程序。所以这一次,直接上程序!哈哈~~
# -*- coding: utf-8 -*-
"""
Created on Mon Aug 7 09:22:12 2017
@author: JClian
"""
import os
import re
import time
import datetime
from selenium import webdriver #导入Selenium的webdriver
from selenium.webdriver.common.keys import Keys #导入Keys
from selenium.webdriver.common.action_chains import ActionChains
#导入selenium的异常
from selenium.common.exceptions import TimeoutException,NoSuchElementException,WebDriverException
def getSong(songer):
chrome_options = webdriver.ChromeOptions()
# 不加载图片(提升加载速度);设置默认保存文件路径
prefs = {"profile.managed_default_content_settings.images":2,\
"download.default_directory": 'F:\\download_music\%s' %songer}
chrome_options.add_experimental_option("prefs",prefs)
browser = webdriver.Chrome(chrome_options=chrome_options) #启动浏览器
browser.maximize_window() #最大化
#设置网页加载等待时间为20s,超过20s后则停止加载
browser.set_page_load_timeout(20)
try:
browser.get('https://www.baidu.com/') #获取百度网页
except TimeoutException:
browser.execute_script('window.stop()')
#在百度搜索栏搜索“歌手 微盘”,并点击“百度一下”按钮
browser.find_element_by_id("kw").send_keys('%s 微盘'% songer)
browser.find_element_by_id("su").click()
time.sleep(5)
#对每一页的搜索记录进行处理
def each_page(j):
for i in range(1+10*j,11+10*j):
print(datetime.datetime.now(),"第%d页~~~~~~~~~~~~~~~~~~~"%i)
#找到该条搜索记录,并点击
elem = browser.find_element_by_xpath("//*[@id='%d']/h3/a"%i)
elem.click()
time.sleep(10)
#切换到新弹出的窗口
browser.switch_to_window(browser.window_handles[1])
#判断是否是新浪微盘网页,若是,则再判断里面分享的歌曲是否大于一首
if re.match('^http://vdisk.weibo.com/s',browser.current_url):
print("这是一个新浪微盘的网页!")
t = browser.find_elements_by_class_name("short_name")
if len(t) > 0:
print("歌曲大于1首,不进行下载!\n")
else:
print("可以进行下载!")
#统计此时下载文件夹中的文件数量,作为下载成功的标志
music_exit_flg = len(os.listdir("F:\\download_music\%s"%songer))
#找到该页面的“下载”按钮,并按下
elem = browser.find_element_by_id("download_big_btn").click()
print("歌曲正在下载中...")
time.sleep(8)
#获取歌曲的歌名信息
file_name = browser.find_element_by_class_name("page_down_filename").text
exit_flg = 0 #歌曲重新下载的标志
while True:
#如果下载文件夹文件数量增加1,则下载成功,否则重新下载
if len(os.listdir("F:\\download_music\%s"%songer)) == (music_exit_flg+1):
print("%s 下载成功!\n"%file_name)
break
else:
browser.refresh() #刷新网页
time.sleep(5)
music_exit_flg = len(os.listdir("F:\\download_music\%s"%songer))
elem = browser.find_element_by_id("download_big_btn").click()
print("正在尝试重新下载...")
time.sleep(8)
exit_flg += 1
if exit_flg == 3: #尝试重新下载3次仍未下载后,则下载失败
print("%s下载失败啦~~\n" %file_name)
break
else:
print(("这不是一个新浪微盘的网页!\n"))
#关闭当前窗口,并切换到原来的搜索页面
browser.close()
time.sleep(2)
browser.switch_to_window(browser.window_handles[0])
pages = 20 #设置爬取网页的数量为20,即200条搜索记录
for i in range(pages):
each_page(i)
#点击该页面中的“下一页”按钮
if i ==0:
browser.find_element_by_class_name("n").click()
else:
browser.find_elements_by_class_name("n")[1].click()
time.sleep(8)
browser.close()#关闭窗口
print(datetime.datetime.now(),"%s的歌曲已操作完毕啦!" % songer)
def main():
d1 = datetime.datetime.now()
#要搜索的歌手的列表
songer_lst = ['Westlife', 'Backstreet Boys', 'Michael Jackson', 'Owl City', 'James Blunt', \
'Avril Lavigne','Tylor Swift','Beyonce', 'Groove Coverage', 'Jewel', 'Beyond']
for songer in songer_lst: #运行getSong()函数,并加入异常处理
try:
print(datetime.datetime.now(),"开始搜索%s的歌曲啦!"% songer)
os.mkdir(os.path.join("F:\\download_music",songer)) #创建新文件夹
getSong(songer)
except TimeoutException:
print(datetime.datetime.now(),"%s的歌曲下载超时啦!嘿嘿~~"% songer)
except NoSuchElementException:
print(datetime.datetime.now(),"哎呦,除了点小问题... NoSuchElementException")
except WebDriverException:
print(datetime.datetime.now(),"哎呦,除了点小问题...WebDriverException")
d2 = datetime.datetime.now()
print("开始时间:",d1)
print("结束时间:",d2)
print("一共花费的时间:",d2-d1)
main()
笔者利用睡觉时间让程序自己运行(注意设置电脑不休眠),运行结果如下(网速貌似有点不给力呢):
再去电脑上查看下载的文件:
在进入Westlife文件夹查看:
哈哈,厉害了,我的爬虫!在网速不给力的情况下,程序还是跑了7个多小时,下载了674个文件,已经很不错啦,就是有部分下载文件不是歌曲罢了,但已经符合笔者的期待了……
笔者已将源程序放在 码云网站上,欢迎大家下载,测试,批评指正。
有了这个程序,你就能在电脑上,一边看电影,一边下载自己喜欢的歌手的歌曲啦。你也可以在自己上班或不用电脑的时候下载歌曲(注意设置电脑不休眠,网速要好!!!),回来后说不定满满的都是惊喜呢~~~
期待下一篇分享^O^
注意:本人现已开通两个微信公众号: 用Python做数学(微信号为:python_math)以及轻松学会Python爬虫(微信号为:easy_web_scrape), 欢迎大家关注哦~~