python爬虫爬音乐-Python爬虫学习教程，爬取网易云音乐！

运行环境

我的运行环境如下：

系统版本

Windows10。

Python版本

Python3.5，推荐使用Anaconda 这个科学计算版本，主要是因为它自带一个包管理工具，可以解决有些包安装错误的问题。去Anaconda官网，选择Python3.5版本，然后下载安装。

IDE

我使用的是PyCharm，是专门为Python开发的IDE。这是JetBrians的产品

实战

上面提到过，网易云音乐的网页跟普通的网页相比主要有两点不同：

网页是 js 动态加载的

使用了iframe框架

所以，

首先，网页请求不能使用requests库，需要使用Selenium + PhatomJS。

其次，使用Selenium + PhatomJS后，还需要针对 iframe 做特定处理。

废话不多说，看实际操作步骤：

在右上角的搜索框中输入“The Beatles”，然后会有一个下拉选项，选择歌手 The Beatles （红框中的内容）。

然后看到如下页面，选择红框中的“所有专辑”，点击。

这样就会看见所有的专辑列表，以及下方的翻页按钮。

我们需要的就是所有专辑的图片、专辑名和专辑出版时间。看到这就可以构想一下爬虫的爬取逻辑了。定位到该页面，然后获取页码，然后挨个请求页面来爬取页面中的内容。

点击一下翻页按钮看看url 有没有什么规律。

点击第二页后，看到上面的地址栏！！！看到这个地址栏我都懒得翻页了。。。

limit 参数是限制一个页面加载专辑的个数

offset 参数是前面过滤多少个专辑，现在是一页12个专辑，所以第二页是offset=12，第三页offset=24，以此类推。。。

一共9页，一页12个，也不到120个。So... ... 改一下url 就不用翻页了！！

limit 参数等于120，offset 参数 等于0，就搞定了！输入下面的url，看看是不是所有的专辑都加载出来了。

下面就开始爬虫代码了。

这里我们会用到上一篇博文中写好的几个工具方法：

OK, 开始我们的爬虫逻辑部分：

这里值得注意的是，该页面使用frame 框架，使用Selenium + PhantomJS 后并不会加载iframe 框架中的网页内容。iframe 框架相当于在页面中又加载了一个页面，需要使用Selenium 的 switch_to.frame() 方法加载（官网给的方法是switch_to_frame()，但是IDE提醒使用前面的方法替代该方法）。

看下面的网页结构，iframe的id是“g_iframe”：

加载 iframe 框架中的内容：

然后找到所有的封面元素：

根据上图的网页结构可以看出，所有的专辑信息都在ul 标签里面，每一个专辑在一个li 标签里。li 标签中包含了图片url、专辑名字、以及专辑时间。

抓取其中的内容就好了。

这里获取到的图片url 依然是有图片宽高参数的，所以要过滤宽高参数：

把问号后面的参数过滤掉：

图片命名逻辑：专辑时间 + 专辑名。

专辑名可能有一些特殊字符，需要替换掉！

photo_name = album_date + " - " + album_name.replace("/","").replace(":",",") + ".jpg"

再使用上一篇博文例子中的去重逻辑，修改后的爬虫逻辑部分如下：

其实相对于上篇博文的例子，这个爬虫的逻辑部分还是挺简洁的。

执行结果：

看看文件夹里面什么样：

如果你也想入门高薪Python人工智能行业，欢迎你来到达内学习。