python爬取喜马拉雅音频,突破xm-sign校验反爬(爬虫)

目录

一、python执行js代码生成xm-sign

1.1获取喜马拉雅服务器时间戳

1.2生成xm-sign

二、根据需要爬取的专辑Id获取音频链接

三、爬取音频并保存

四、测试

好久没写博客了,写个玩玩

一、python执行js代码生成xm-sign

1.1获取喜马拉雅服务器时间戳

js生成xm-sign的函数需要用到这个时间戳,直接上代码啦

'''爬取喜马拉雅服务器系统时间戳,用于生成xm-sign'''
def getxmtime():
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36',
        'Accept': 'text/html,application/xhtml+ xml,application/xml;q = 0.9,image/webp,image/apng,*/*;q=0.8, application/signe-exchange;v = b3',
        'Host': 'www.ximalaya.com'
    }
    url="https://www.ximalaya.com/revision/time"
    response = requests.get(url, headers=headers)
    # print(response)
    html = response.text
    return html

1.2生成xm-sign

这一步需要用到的js代码请到这里(CSDN)或者这里(蓝奏云)下载,之后将其与python代码放在同一路径下

'''生成xm-sign'''
def exec_js():
    #获取喜马拉雅系统时间戳
    time = getxmtime()
    
    #读取同一路径下的js文件
    with open('xmSign.js', encoding='utf-8') as f:
        js = f.read()

    # 通过compile命令转成一个js对象
    docjs = execjs.compile(js)
    # 调用js的function
    res = docjs.call('python',time)
    #res = docjs.call('getnow')
    return res

二、根据需要爬取的专辑Id获取音频链接

def spider_list(albumId):
    all_list = []
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36',
        'Accept':'text/html,application/xhtml+ xml,application/xml;q = 0.9,image/webp,image/apng,*/*;q=0.8, application/signe-exchange;v = b3',
        'Host': 'www.ximalaya.com'
    }
    sign = exec_js()
    #加入xm-sign到header中
    headers['xm-sign'] = sign
    # 音频地址
    data_url = 'https://www.ximalaya.com/revision/play/album?albumId={}&pageNum=1&sort=-1&pageSize=30'.format(albumId)
    # print(data_url)
    response = requests.get(data_url, headers=headers)
    py_dict = json.loads(response.content.decode())
    # print(py_dict)
    book_list = py_dict['data']['tracksAudioPlay']
    for book in book_list:
        # 获取每段音频的名称和地址
        list = {}
        list['name'] = book['trackName']
        list['bookName'] = book['albumName']
        list['src'] = book['src']
        # 打印list
        # print(list)
        all_list.append(list)
    # 返回字典
    return all_list

三、爬取音频并保存

调用第二步中的函数获取到链接,进行爬取保存

def spider_songs(list):
    '''保存音频(字典)'''
    for i in list:
        dir = "ximalaya/{}/".format(i['bookName'])
        if not os.path.exists(dir):
            print("创建目录:.%s" % dir)
            os.makedirs(dir)
        i['name'] = i['name'].replace("?", "").replace('"', "")
        # 在目录下创建一个喜马拉雅的文件夹
        with open(r'{}/{}.m4a'.format(dir, i['name']), 'ab')as f:
            r = requests.get(i['src'])
            print("正在下载:{}...".format(i['name']), end="")
            f.write(r.content)
            print("\t下载完成!")
def spider_ximalaya(albumId):
    all_list = spider_list(albumId)
    spider_songs(all_list)

四、测试

if __name__ =='__main__':
    spider_ximalaya(12642314)

要使用Python爬取喜马拉雅的数据,可以使用requests库发送HTTP请求获取数据。首先,你需要使用requests.get()方法发送GET请求到喜马拉雅的API接口,例如: response = requests.get('https://www.ximalaya.com/revision/play/album?albumId=16372952&pageNum=1&sort=-1&pageSize=30') 然后,你可以使用json.loads()方法将返回的数据转换成字典对象,以便于处理和提取其中的信息。例如: data = json.loads(response.text) audio_data = data['data']['tracksAudioPlay'] 这样你就可以获取到喜马拉雅音频数据。接下来,你可以根据需要使用这些音频数据进行相关的分析、存储或其他操作。注意,这里的示例只是一个基本的示范,具体的爬取操作可能需要根据喜马拉雅的API文档和需求进行进一步的定制和处理。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [Python爬虫|爬取喜马拉雅音频](https://blog.csdn.net/weixin_34122548/article/details/93600299)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [Python实例---爬取下载喜马拉雅音频文件](https://blog.csdn.net/weixin_30701575/article/details/99085866)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 11
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