python爬虫爬取歌曲_Python爬虫入门教程15：音乐网站数据的爬取

基本开发环境????Python 3.6

Pycharm

相关模块的使用????import requests

import os

安装Python并添加到环境变量，pip安装需要的相关模块即可。

一、????明确需求

爬取某音乐网站的排行榜歌曲。

二、????网页数据分析

1、F12或者鼠标右键点击检查打开开发者工具，点击播放音乐，下面会加载出音乐数据。

#  干饭人之歌 音频数据地址：

https://gm-sycdn.kuwo.cn/82c2c756b7ebeacb907831ff0906199e/601a3aa9/resource/n2/88/78/3642423505.mp3

复制链接粘贴到浏览器中

2、根据音频链接中的参数，搜索查找来源

# 音频链接来源

https://www.kuwo.cn/url?format=mp3&rid=160864905&response=url&type=convert_url3&br=128kmp3&from=web&t=1612331691895&httpsStatus=1&reqId=550f7f80-65e4-11eb-9b00-6d65a3b5fef1

一首歌曲的来源地址是找不出规律的，所以要再对比一些另外一首歌曲的链接参数

如图所示： rid 和 t 参数不一样，很明显 t 就是代表的时间戳，这个使用 time.time() 就有了，所以可以继续在开发者工具中搜索 rid 的值

https://www.kuwo.cn/api/www/bang/bang/musicList?bangId=93&pn=1&rn=30&httpsStatus=1&reqId=428dcbf0-65e4-11eb-9b00-6d65a3b5fef1

rid 以及 歌名 歌手名都有了。

三、????代码实现

爬虫分析思路是从上到下开始分析，写代码则是从下往上写。

1、获取音乐的 rid 、歌名、歌手名import pprint

import requests

def get_response(html_url):

headers = {

'Cookie': '你自己的cookie',

'csrf': 'D2YF7NMH81N',

'Host': 'www.kuwo.cn',

'Referer': 'https://www.kuwo.cn/rankList',

'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36',

}

response = requests.get(url=html_url, headers=headers)

return response

def get_music_info(html_url):

json_data = get_response(html_url).json()

pprint.pprint(json_data)

music_list = json_data['data']['musicList']

for index in music_list:

music_name = index['album']

singer = index['artist']

music_rid = index['rid']

if __name__ == '__main__':

url = 'https://www.kuwo.cn/api/www/bang/bang/musicList?bangId=93&pn=1&rn=30&httpsStatus=1&reqId=428dcbf0-65e4-11eb-9b00-6d65a3b5fef1'

get_music_info(url)

返回的是一个json数据，一个一个去取值就可以了，主要的注意点就是headers参数的问题，如果参数不给全，爬取不到数据。

2、获取音频URL地址def get_music_url(music_rid):

page_url = f'https://www.kuwo.cn/url?format=mp3&rid={music_rid}&response=url&type=convert_url3&br=128kmp3&from=web&t=1612331691895&httpsStatus=1&reqId=550f7f80-65e4-11eb-9b00-6d65a3b5fef1'

json_data = get_response(page_url).json()

music_url = json_data['url']

return music_url

3、保存音频数据def save(music_name, music_url):

path = 'music\\'

if not os.path.exists(path):

os.makedirs(path)

filename = path + music_name + '.mp3'

headers = {

'if-range': '8eba7fc5d5b2f4d223d54612aa3f4773',

'range': 'bytes=524288-524288',

'upgrade-insecure-requests': '1',

'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400',

}

music_content = requests.get(url=music_url, headers=headers).content

with open(filename, mode='wb') as f:

f.write(music_content)

print('正在保存：', music_name)

请求音乐下载的地址的 headers 需要更换一下。不然爬取不了音乐。