怀着对网络爬虫的好奇,在暑假自学了python的一些基本知识,之后便开始了pyton网络爬虫的学习,兴趣是最好的老师,但是每一次成功的跑起来的喜悦之情也是令人舒服的,为了让我们枯燥的学习变的不那么枯燥。今天就分享写自己写的一个小的程序,那就是利用pyton网络爬虫获取歌曲并且保存,当然对于图片、视频等同样适用。共勉。
首先,选取网址。
我的选择是:http://www.333ttt.com/
原因:1.该网站没有robots协议
2.该网站的网页之间具有鲜明的关系,对于初学者易理解。
我们将爬取该列表的歌曲
随便点进该歌的页面,再多试几首,你就会发现:
此时,规律是不是很明白,所以我们构建的网址格式是
url = "http://www.333ttt.com/up/up210352"
url = url + str(i) +".html" 其中i为后面的四位数字,每次只需要根据自己的需求更改即可。
代码书写:
我采取的是python3.6的版本,个人觉得该程序只需要requests库,re库,os库即可。
复制网站中提供的MP3的链接。再网页源代码中进行查找,然后书写正则表达式:
select = re.compile('<span class="STYLE3"><a href="(.*?)">.*?</a>',re.S)
select1 = re.compile('<span class="STYLE3"><a href=.*?>(.*?)</a>', re.S)
前者为链接的匹配,后者为名字的匹配,便于理解,将该两者分开查找。
话不多话,上代码:
import requests
import re
import os
root = "D://mp3//"
name = []
num = 0
class Sp():
def __init__(self,url):
self.url = url
def getTxt(self):
url = self.url
r = requests.get(url)
r.encoding = r.apparent_encoding
return r.text
for i in range(6983,7005):
url = "http://www.333ttt.com/up/up210352"
url = url + str(i) +".html"
spider = Sp(url)
t = spider.getTxt()
select = re.compile('<span class="STYLE3"><a href="(.*?)">.*?</a>',re.S)
select1 = re.compile('<span class="STYLE3"><a href=.*?>(.*?)</a>', re.S)
ps = re.findall(select,t)
ps1 = re.findall(select1,t)
for i in ps1:
name.append(i)
for p in ps:
url = p
path = root + name[num]
try:
if not os.path.exists(root):
os.mkdir(root)
if not os.path.exists(path):
r = requests.get(url)
with open(path, 'wb') as f:
f.write(r.content)
f.close()
print(name[num] + "保存成功")
num += 1
else:
print(name[num] + "保存失败")
num += 1
except:
continue
其中name是接受匹配的歌曲名字。该程序没有经过优化。内容也是易懂,就不做太多解释。
之后的画面是这样的:
运行过程可能有点慢,但是此刻表示已经成功了。初写博客,不妥之处,请多赐教。