程序设计十一:多线程获取歌单
一、获取歌单ID
使用生产-消费模型,函数producer
获取歌单的id,调用requests
模块获取分类的页面,使用Beautifulsoup
模块提取出歌单id并传入列表
def producer():
url_main = 'https://music...'
for i in range(0, 1295, 35):
url = url_main + str(i)
response = requests.get(url=url)
html = response.text
soup = BeautifulSoup(html, 'html.parser')
# 获取包含歌单详情页网址的标签
ids = soup.select('.dec a')
# 获取id
for j in range(len(ids)):
id = ids[j]['href']
q.append(id[13:])
二、获取歌单的详细信息
函数consumer
根据生产者传入的id,组合字符串,并调用requests
模块获取歌单页面,使用Beautifulsoup
模块提取出相关信息。
但该线程运行时,列表还为空时,令该线程sleep0.5秒,等列表中有数据之后再获取处理,代码如下:
def consumer():
print('consumer thread start...')
# 获取封面图片、歌单标题、创建者id、创建者昵称、介绍、歌曲数量、播放量、添加到播放列表次数、分享次数、评论数
while len(q) == 0:
time.sleep(0.5)
id = q.pop()
url = 'https://music...' + id
print(url)
response = requests.get(url)
html = response.text
soup = BeautifulSoup(html, 'html.parser')
# 歌单页面
playlist = soup.select('#m-playlist')[0]
# 封面图片、歌单标题、创建者id、创建者昵称、介绍、歌曲数量、播放量、添加到播放列表次数、分享次数、评论数
img_url = playlist.select('.j-img')[0]['data-src']
title = playlist.h2.text
user_id = playlist.select('.name a')[0]['href'][11:]
user_name = playlist.select('.name a')[0].text
intro = playlist.select('#album-desc-more')[0].text
number = playlist.select('#playlist-track-count')[0].text
play_count = playlist.select('#play-count')[0].text
collect = playlist.select('.u-btni.u-btni-fav')[0].text
share = playlist.select('.u-btni.u-btni-share')[0].text
comment = playlist.select('.u-btni.u-btni-cmmt')[0].text
img = requests.get(url=img_url)
# 存储歌单封面图片
if os.path.exists('images') == False:
os.mkdir('images')
f = open('images/playlist_' + id + ".jpg", "wb")
f.write(img.content)
f.close()
# 存储歌单信息
row = [title, user_id, user_name, intro, number, play_count[1:-1], collect[1:-1], share[1:-1], comment[1:-1]]
if os.path.exists('song_info.csv') == False:
with open('song_info.csv', 'w', encoding='utf-8') as f:
writer = csv.writer(f)
writer.writerow(
['歌单标题', '创建者id', '创建者昵称', '介绍', '歌曲数量', '播放量', '添加到播放列表次数',
'分享次数', '评论数'])
with open('song_info.csv', 'a', encoding='utf-8') as f:
writer = csv.writer(f)
writer.writerow(row)
三、多线程构建
构建一个生产者线程,37个消费者线程,每当生产者从分类页面获取一个id,就传入列表;消费者线程从列表中取出并获取相关页面的信息,代码如下:
if __name__ == '__main__':
c_list = []
p = Thread(target=producer)
for i in range(37):
c = Thread(target=consumer)
c_list.append(c)
p.start()
for c in c_list:
c.start()
for c in c_list:
c.join()
print('main end')
四、获取结果
获取的封面图片如下(此处不展示):
生产images
文件夹,并按照’playlist_id’
的方式组织命名,生成如下文件:
获取到的信息如下(包括:获取封面图片、歌单标题、创建者id、创建者昵称、介绍、歌曲数量、播放量、添加到播放列表次数、分享次数、评论数):
使用excel打开该csv文件,更清晰地展示了歌单及相关信息: