用Python爬取酷狗音乐Top500排行榜,一键获取歌曲信息!

🤵‍♂️ 个人主页:@rain雨雨编程

😄微信公众号:rain雨雨编程

✍🏻作者简介:持续分享机器学习,爬虫,数据分析
🐋 希望大家多多支持,我们一起进步!
如果文章对你有帮助的话,
欢迎评论 💬点赞👍🏻 收藏 📂加关注+

目录

🌟 引言

📸 效果图

🛠️ 导入必要的模块

🌐 发送GET请求获取响应数据

🔍 如何获取请求头

🎶 爬取酷狗TOP500排行榜

💻 源码


🌟 引言

你是否曾想过,如何用Python一键爬取酷狗音乐Top500排行榜的歌曲信息?今天,我将带你走进Python爬虫的世界,教你如何轻松获取歌曲的排名、歌名、歌手和时长等信息。这不仅是一个技术挑战,更是一个提升编程技能的绝佳机会!

📸 效果图

这张效果图展示了酷狗音乐Top500排行榜的一部分。可以看到,每首歌曲的信息都被清晰地列出,包括排名、歌名、歌手和时长。这样的布局使得用户可以快速浏览和查找他们感兴趣的歌曲。

🛠️ 导入必要的模块

在开始之前,我们需要导入一些Python模块。我们将使用requests模块来发送HTTP请求,os模块处理文件和目录操作。

进入控制台输入:建议使用国内镜像源

pip install requests -i https://mirrors.aliyun.com/pypi/simple

如果你遇到模块报错,可以通过以下国内镜像源安装:

  • 清华大学:https://pypi.tuna.tsinghua.edu.cn/simple

  • 阿里云:https://mirrors.aliyun.com/pypi/simple/

  • 豆瓣:https://pypi.douban.com/simple/

  • 百度云:https://pypi.baidu.com/pypi/simple/

  • 中科大:https://pypi.mirrors.ustc.edu.cn/simple/

  • 华为云:https://mirrors.huaweicloud.com/repository/pypi/simple/

  • 腾讯云:https://mirrors.cloud.tencent.com/pypi/simple/

🌐 发送GET请求获取响应数据

我们将设置请求头部信息,模拟浏览器的请求,以获取响应数据的JSON格式内容。以下是如何设置请求头并发送GET请求的示例代码:

def get_html(url):
    header = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36'
    }
    response = requests.get(url=url, headers=header)
    return response.json()

🔍 如何获取请求头

如果你不熟悉如何获取请求头,可以按照以下步骤操作:

  1. 打开目标网页并右键点击页面空白处。

  2. 选择“检查元素”选项,或按下快捷键Ctrl + Shift + C(Windows)。

  3. 在开发者工具窗口中,切换到“网络”选项卡。

  4. 刷新页面以捕获所有的网络请求。

  5. 在请求列表中选择您感兴趣的请求。

  6. 在右侧的“请求标头”或“Request Headers”部分,即可找到请求头信息。

🎶 爬取酷狗TOP500排行榜

接下来,我们将从酷狗音乐排行榜中提取歌曲的排名、歌名、歌手和时长等信息。以下是具体步骤:

  1. 导入模块requests用于发送HTTP请求,BeautifulSoup用于解析HTML,time用于控制爬虫的速度。

  2. 设置请求头部信息:通过headers字典设置User-Agent,模拟浏览器发送请求,防止被网站封禁。

  3. **定义函数get_info(url)**:该函数接收一个URL参数,用于爬取指定网页的信息。

  4. 发送网络请求并解析HTML:使用requests.get()函数发送GET请求获取网页的HTML内容,并使用BeautifulSoup模块解析HTML。

  5. 通过CSS选择器定位需要的信息:使用select()方法根据CSS选择器定位到歌曲的排名、歌名和时长等元素。

  6. 循环遍历每个信息并存储到字典中:使用zip()函数将排名、歌名和时长等元素打包成一个迭代器,然后通过循环遍历,将每个信息存储到data字典中。

  7. 打印获取到的信息:使用print()函数打印data字典中的信息。

  8. 主程序入口:使用if __name__ == '__main__':判断当前文件是否被直接执行,如果是则执行以下代码。

  9. 构造要爬取的页面地址列表:使用列表推导式构造一个包含要爬取的页面地址的列表。

  10. 调用函数获取页面信息:使用for循环遍历页面地址列表,并调用get_info()函数获取每个页面的信息。

  11. 控制爬虫速度:使用time.sleep()函数控制爬虫的速度,防止过快被封IP。

💻 源码

以下是完整的源码,你可以直接复制并在你的Python环境中运行:

import requests
from bs4 import BeautifulSoup
import time

headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.71 Safari/537.36"
}

def get_info(url):
    web_data = requests.get(url, headers=headers)
    soup = BeautifulSoup(web_data.text, 'lxml')
    ranks = soup.select('span.pc_temp_num')
    titles = soup.select('div.pc_temp_songlist > ul > li > a')
    times = soup.select('span.pc_temp_tips_r > span')
    for rank, title, time in zip(ranks, titles, times):
        data = {
            "rank": rank.get_text().strip(),
            "singer": title.get_text().replace("\n", "").replace("\t", "").split('-')[1],
            "song": title.get_text().replace("\n", "").replace("\t", "").split('-')[0],
            "time": time.get_text().strip()
        }
        print(data)

if __name__ == '__main__':
    urls = ["https://www.kugou.com/yy/rank/home/{}-8888.html".format(str(i)) for i in range(1, 24)]
    for url in urls:
        get_info(url)
        time.sleep(1)

文章持续跟新,可以微信搜一搜公众号  rain雨雨编程 ],第一时间阅读,涉及数据分析,机器学习,Java编程,爬虫,实战项目等。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值