python使用scrapy爬取qq音乐（一）

url分析，拿到初始url（start_url）

要爬取的内容为qq音乐的排行榜中的歌曲，首先我们要分析url：

1.打开qq音乐的首页，点击排行榜，右键，检查（谷歌浏览器，其他浏览器各有不同，360浏览器为：审查元素）。

2.右键，检查：

3.
我们要分析所有向后台发出的请求，找出有用的url。点击Network，然后刷新页面。我们会看到有很多请求。
我们对所有的请求进行过滤和筛选，此时选用最笨的方法，手动查找，点击Response，只查看返回的信息。然后依次点击，左侧请求，查找有用的请求数据

4.我们看到，当点击fcg_v8_toplist_opt.fcg?……….时，右边的response中出来一串数据，当然，出来类似数据的有那么几条请求，此时就需要一个个的点开查看了。看看有没有我们想要的或者相关的数据。这时，我们可以点击Preview更方便的进行查看

这里的我们可以获取到每个榜单的topid，这就是我们需要的数据。为什么topid是有用的，别的没用么？其实我们可以从一首歌曲歌曲逆向推理，歌曲的url是什么，怎么得到的，需要哪些必要的参数。逆向的话更容易些。这篇博客我们正着写。（当然，我也是逆向分析的-_-）
知道这个请求有用后，我们需要获取它完整的请求的url。我们可以通过分析headers中的request请求，拼接出完整的url

https://c.y.qq.com/v8/fcg-bin/fcg_v8_toplist_opt.fcg?page=index&format=html&tpl=macv4&v8debug=1&jsonCallback=jsonCallback

空白的蓝色框就是完整的url，这就是我们的初始url了。
我们把这个url复制，粘贴到浏览器的地址栏，就能返回一堆数据，这里面就隐藏了我们需要的数据，后面我们还得想办法（正则、xpath、python字典。。。。等方法）把我们需要的数据提取出来。

通过浏览器返回的数据，我们发现，去除【jsonCallback( 】 和最后的【）】后，剩下的就是json格式的字符串，这样最好了，给了我们处理数据的多种方法。

url分析，拿到表单详情页的url（start_url）

除了上面的请求有我们需要的数据外，我们查找的过程中，还发现一个请求返回的数据有歌曲的信息。

https://c.y.qq.com/v8/fcg-bin/fcg_v8_toplist_cp.fcg?tpl=3&page=detail&date=2017_33&topid=3&type=top&song_begin=0&song_num=30&g_tk=5381&jsonpCallback=MusicJsonCallbacktoplist&loginUin=0&hostUin=0&format=jsonp&inCharset=utf8&outCharset=utf-8&notice=0&platform=yqq&needNewCode=0

我们使用之前的方法拿到完整的url还记得Headers中的request请求头么，对，就是在那。或者我们右键图中蓝色部分，拷贝完整linkurl就行。哇咔咔，这个url怎么这么长，太难看了。通过我们手动测试后，得到精简版的url：

    https://c.y.qq.com/v8/fcg-bin/fcg_v8_toplist_cp.fcg?topid=4 

这个不错吧，吧它复制到浏览器地址栏，回车一下，嗯，嗯？这是神马东东，这么多字？没错，我们又偷偷的笑了，这就是一个完整的json字符串。哈哈哈。找到宝藏了，里面就是歌曲信息哦。不用再分析网页的源码了有木有。
看到url中的topid没，我们已经从上一个的url拿到很多的topid啦。这样，每个榜单的歌曲列表我们就已经拿到了。
如果只需要拿到歌曲信息，而不是歌曲的小伙伴到这可以停下了。不满足的可以接着往下面看。