python爬虫酷狗音乐_音乐下载

啦啦啦终于有时间写啦！

2020最后一天！

QQ音乐、酷狗音乐、网易云音乐的下载器！

免登录免会员。

不过只限网页可听的音乐的标准音质。至于为啥，我猜其它歌曲根本就没有放在网页端上，因此无法通过爬虫获取(大概就是为了引导客户端下载+防爬虫8)

01

QQ音乐

一、基本路径

qq音乐的歌曲详情界面url形如 ：

https://y.qq.com/n/yqq/song/abcdefghijklm.html

其中下划线部分为歌曲mid

即，QQ音乐用歌曲mid唯一表示一首歌曲，后续的操作将基于这个mid进行

点击播放，然后f12搜索一下(注：qq音乐的音频格式为m4a)

欸欸欸找到了？！

点进去——没错没错能听能下载！！就是它！！

然后突然意识到不对劲……

右键-源代码

果然没有……

审查元素里有不代表源代码里有啊！！怎么可能放在源代码里嘛！！！都放源代码里了难道要一个网页一个代码嘛！！！

大概只有我这种笨比小白会犯这种错了。。。

于是，只能分析这个链接了

链接形如：

长得还挺别致的

可以看出链接的基本格式是：

酱紫~

mid我们可以直接获得(因为是输入的)，剩下就是guid、vkey、uin、fromtag了

然后在network里搜索mid……

找到了这个东西↓

点开

这个purl，就是我们要找的音乐链接的后半部分(甚至不用一个一个找参数了！)

因此，我们的任务变为：根据歌曲mid，获取到这个musics.fcg，然后从中提取出purl，加到

http://isure.stream.qqmusic.qq.com/ 后面，构造歌曲链接

查看headers，这个musics.fcg的地址长这样：

地址的简化来自CSDN，其简单形式为：

该地址可用mid唯一确定

ok完事儿~~

然后就是，根据用户输入的歌曲详情页链接获取mid→根据mid获取purl→构造歌曲链接→歌曲get√

二、一些细节

1.文件名中歌手、歌名的获取

musics.fcg里并没有歌手和歌名的信息，但歌曲详情页(也就是需要用户输入链接的那个页面)里有

用bs4直接提取即可

同时，在歌曲详情页获取失败时，提供自行输入歌曲名和歌手名的方式构造文件名

2.下载路径

程序运行后会检测当前目录下有没有path.txt文档，若该文档存在，则音乐会被下载到文档所写的路径中，若该文档不存在，则下载到程序所在目录中

3.其它

按照惯例，使用了log.txt文件存储异常信息，防止程序本身报错

02

酷狗音乐

一、基本路径

酷狗音乐的歌曲url形如(酷狗音乐没有音乐详情页，但其播放页链接可以唯一确定歌曲)：

https://www.kugou.com/song/#hash=abcdefghijklmnopqrstuvwxyz123456&album_id=12345678a

下划线部分是音乐所对应哈希值(hash)，可以唯一标识一首歌曲，后面是专辑id

同样，源代码中并没有歌曲链接的相关信息，我们需要从审查元素中提取链接自行分析、构造

歌曲链接形如：

乱七八糟……看出开头是时间，最后是hash都能看得出来，但中间那一堆乱七八糟的就没辙了

于是，只能继续在network里搜

找到了这个东西↑

点开

竟然直接就可以得到歌曲链接！这样就不用自己构造了！

然后，我们再去看这个index.php的地址

emmmm……后面那一堆参数是什么鬼！！！尤其那个callback，让我上哪找去！！！

于是我以为这里有啥加密什么的，就跟这玩意耗了一个下午加一个晚上……

然后，万能的CSDN告诉我这玩意没用，随便找一个链接然后把hash和albunm_id填进去就行……

总之…………反正是搞出来了……

和上面一样，路径是：

根据用户输入的歌曲播放页链接获取hash和albunm_id→构造index.php的地址→获取歌曲链接→歌曲get√

二、一些细节

1.歌手、歌名的获取

酷狗音乐的歌手和歌名就放在index.php中，在获取歌曲链接时可以一同获取

2.歌曲链接的提取

qq音乐的musics.fcg是字典格式，可以直接通过eval(r.text)得到字典格式，然后通过键索引(json不熟就没用)

但在酷狗音乐的index.php中，开头有callback的内容(在字典外)，且字典中的值“true” t为小写，若在python中直接转换为字典，会因为它既不是保留字也不是字符串而报错，因此直接使用了正则表达式匹配获取歌曲url 

(当然其实可以直接把小写true替换为True，然后通过字典获取，但我觉得这样很傻X…)

3.下载路径和log.txt的设置同上

03

网易云音乐

话说在微信提网易会被屏蔽吗？？？

我是先知道网易云的歌曲链接(就是前面我们要想办法构造或获取的那个)，然后才开始想写代码下载的。因此，网易云的路径和另两个有较大不同(但其实实质都是一样的)。

网易云的歌曲链接形如：

https://music.163.com/song/media/outer/url?id=[].mp3

其中id是每首歌的唯一标识

因此，我们去找歌曲详情页的链接，形如：

https://music.163.com/#/song?id=1234567890

ok，有id有歌曲链接格式了，完事~

本来应该是这样的才对……

但是，在我想提取歌手名和歌曲名时，发现源代码里根！本！没！有！

于是我去network里搜歌名，发现了一个神奇的东西

它长得很像一个正常的网页，且包含了歌手和歌曲信息。

这个地址是这样的：

https://music.163.com/song?id=[]

看出来有啥不对劲了吗？？

这是歌曲详情页链接：

https://music.163.com/#/song?id=[]

这是我们刚刚在资源里搜出来的地址：

https://music.163.com/song?id=[]

只差了一个【#】！

当然……我那么瞎怎么可能看得出来……

于是我以为这个没有#的就是原本的那个地址，然后疑惑为什么这里返回的代码和原本(有#)的源代码不一样，顺便吐槽为啥网页也要套娃……

然后，还是万能的CSDN，告诉我这俩其实不一样……

也就是说，网易云用带#的“假链接”，把真实链接隐藏了，而且，即使在浏览器地址栏输入不带#的“真链接”，也会自动跳转到有#的版本。

就很神奇……

这样的设置，让我们无法直接通过网页获取到真实的代码和资源，因此也无法获取到歌曲链接了。

如果不是提前就知道这个链接，可能就真的很难办了……

那这个链接哪来的？？？

我去查了这个歌曲链接的来源，看了一些不同人写的教程(已经失效)，推测可能是在网易云使用“假链接”之前，就使用这个地址存放歌曲，链接就是在这个时候被扒出来的。后来网易云虽然开始使用“假链接”了，但歌曲链接本身没有变，所以能够一直使用。

虽然通过浏览器进入没有#的链接会自动跳转到有#的，但这并不影响爬虫，我们只要把“真链接”还原出来，然后发送请求，从response里提取歌手名和歌名就可以了

最后，下载路径和log.txt的设置和上面一样

04

结语

虽然写了蛮多的，其实代码实现上很简单，只是自己用的话也就十几行的事。

但是吧……谁让我总有些奇奇怪怪的想法……

程序毕竟是给不会写程序的人用的，功能的实现只是最基础的事，使用体验才是最重要的。我总希望自己写的东西能迎合各种各样的需求，能在出现异常时给出其它的解决路径而不是单纯地停止运行(一个运行到一半就停止的程序简直是在浪费生命！！)，所以会在代码中加很多很多的东西。

最终的结果就是，本来十几行就够了的东西被我加到了一百多行……

但总之，我希望我做出来的东西可以用着舒服。

唔……

仅供学习和交流使用！

icon来自https://www.iconfont.cn/ (神仙网站！！)

点击【阅读原文】转到下载链接

提取码：jt1h

另外，无聊的时候写了个b站封面提取的东西↓

链接：

https://pan.baidu.com/s/1vnB3juoQAKZJSlov6N-3BQ 

提取码：v42k

正在研究用电脑下载b站视频，希望能写出来……吧？

(python 有个you-get库(好像是这个名字8)可以下载好多视频软件的东西，有需求的可以试试)

就酱！

明年见~