Python实现mp3 ID3v2.3信息提取

Python实现mp3 ID3v2.3信息提取

使用python实现对mp3 ID3v2.3提取歌名，歌手，专辑，时长，图片。（附源码）

提取内容

1. 歌曲名称；
2. 歌手名称；
3. 专辑名称；
4. 歌曲时长；
5. 歌曲图片；

结果返回为字典格式，这样可以方便的将其转换为json格式。 其中，歌曲图片为图片的保存路径。

实现原理

使用python读取mp3文件的16进制（可使用WinHex进行16进制分析），根据官网给出的解释，对照提取信息。

1. 歌曲名称、歌手名称、专辑名称，为mp3对应的标签头数据；
2. 歌曲时长 使用歌曲实际内容部分来进行计算，为了匹配更为准确，这里是从496e666f0000000f 也就是 Info… 处，我们将它作为开始计算的提取标记，当然和歌曲实际内容的起始位置是存在一定误差的，但不影响最终的 歌曲时长 输出结果。
   将 Info… 作为起始位置（并非歌曲实际起始位置），计算到文件末尾的字节长度，这就是歌曲的字节数，乘以8得到比特，再除以比特率（128kbps）：128*1000，得到最终结果就是歌曲时长（单位/s）。
   公式：字节长度 * 8 / (128 * 1000)
3. 歌曲图片 是从 ffd8 开始到 496e666f0000000f 结束，其中结束位置本应该是 ffd9 但为了匹配更准确这里也是按照 Info… 标记位置进行定位，所以也是存在一定误差的，但不影响最终的 歌曲图片 的输出结果。
   （注：代码只实现了jpg格式图片的提取，可能存在png图片信息，代码未实现）

★ 实现原理16进制对照分析图（请对照 id3v2.3.0官网 给出的标签格式进行理解）

…(此处有省略)

标签类型 TIT2:歌曲名称，TPE1:歌手名称，TALB:专辑名称

TIT2标签歌曲名称分析：

16进制：
5449543200000011000001FFFEE0563A4E604F20004062E54E1162

1. 54495432（H） TIT2标签-歌曲名称
2. 00000011（H）标签长度，转为十进制为 17（D），也就是标签长度为17个字节，包含编码格式1个字节，也就是说实际歌曲名称信息内容为16个字节。
   即：FFFEE0563A4E604F20004062E54E1162 （16进制两位一个字节哦）
3. 0000（H）Flags，我也母鸡呀~
4. 01（H）编码格式
   如下：
   0：表示帧内容字符用 ISO-8859-1 编码；
   1：表示帧内容字符用 UTF-16LE 编码；
   2：表示帧内容字符用 UTF-16BE 编码；
   3：表示帧内容字符用 UTF-8 编码（仅ID3V2.4才支持）
5. FFFEE0563A4E604F20004062E54E1162（H）歌曲名称，需要根据第4点的编码格式进行转码，

其他标签同理可得。

文件数据

本段程序，只需要引用一个 re 模块，因为用到了正则表达式，代码拷下来可以直接跑。

程序将会产生一个 log.txt 文件用于收集日志。所在位置为 程序运行的文件夹目录 下。

程序提取的 图片的路径 为 歌曲所在文件夹的路径 。
例如：

实现代码

# 引用所需模块
import re  # 正则表达式

# mp3信息和路径提取
def mp3Info(input_file_url):
    # 读取mp3文件
    input_file_url = input_file_url
    with open(input_file_url, "rb") as input_file:
        mp3_data = input_file.read().hex()

    # 判断mp3文件类型是否是 ID3v2.3 格式
    if mp3_data[:6] == "494433" and mp3_data[6:8] == "03":
        print("歌曲是ID3v2.3版本,正在提取信息...")

        # 获取歌曲名称
        if re.search(r"\\", input_file_url):
            input_file_name = re.search("(.*).mp3", input_file_url.split("\\")[-1]).group(1)
        else:
            input_file_name = re.search("(.*).mp3", input_file_url).group(1)

        # 获取歌曲路径
        if re.search("(.*)" + input_file_name + ".mp3", input_file_url):
            input_file_path = re.search("(.*)" + input_file_name + ".mp3", input_file_url).group(1)
        else:
            input_file_path = ""

        return mp3_data, input_file_path, input_file_name  # 返回 mp3 16进制数据,输入文件路径,输入文件文件名
    else:
        return ""


# 提取标签内容函数
def tagInfo(tag_name, mp3_data):
    # 标签名称，mp3完整数据
    tag_name, mp3_data = tag_name, mp3_data

    # 标签列表
    tag_name_list = {"TIT2": "54495432", "TPE1": "54504531", "TALB": "54414c42"}
    if tag_name in tag_name_list:
        tag_hex = tag_name_list[tag_name]  # 标签的 16 进制数据

        # 标签长度
        tag_len = int(re.search(tag_hex + "(.{8})", mp3_data).group(1), 16)
        # print("%s 标签的长度是 %s 个字节" % (tag_name,tag_len))

        # 判断标签类型
        tag_index = mp3_data.find(tag_hex)
        tag_data_type = mp3_data[(tag_index + 2 * (4 + 4 + 2)):(tag_index + 2 * (4 + 4 + 2 + 1))]

        # 判断内容编码方式
        if tag_data_type == "00":
            encoding_type = 'iso8859-1'
            # print("采用 ISO-8859-1 编码 ")
        if tag_data_type == "01":
            encoding_type = 'utf-16-le'
            # print("采用 UTF-16LE 编码 ")
        elif tag_data_type == "02":
            encoding_type = 'utf-16-be'
            # print("采用 UTF-16BE 编码 ")
        # elif tag_data_type == "03":    # （仅ID3V2.4才支持）
        #     encoding_type = 'utf-8'
        #     print("采用 UTF-8 编码 ")

        # 提取标签内容
        tag_data_hex = mp3_data[(tag_index + 2 * (4 + 4 + 2 + 1)):(
                tag_index + 2 * (4 + 4 + 2 + 1) + tag_len * 2 - 2)]  # 取标签内容(16进制)
        tag_data_bytes = bytes.fromhex(tag_data_hex)  # 将字符串转换为字节流数据
        tag_info = tag_data_bytes.decode(encoding_type, 'ignore')  # 根据编码类型解码

        return tag_info  # 返回标签的内容
    else:
        return ""


# 提取所需标签信息
def tagsInfo():
    # 标签类型 TIT2:标题,TPE1:艺术家,TALB:专辑
    tags = {"TIT2": "歌名", "TPE1": "歌手", "TALB": "专辑"}

    # 标签内容提取
    tags_info = {}
    for i in tags:
        tag_name = i
        tag_info = tagInfo(tag_name, mp3_data)  # 标签数据
        tags_info[tags[i]] = tag_info.encode('utf-8').decode('utf-8-sig')  # 使用utf-8-sig编码，否则出现'\ufeff' BOM数据

    return tags_info  # 返回所有标签的内容


# 获取歌曲时长函数
def mp3Duration(mp3_data):
    music_index = mp3_data.find("496e666f0000000f")  # 定位歌曲实际的起始位置
    music_size = len(mp3_data[music_index:]) / 2  # 歌曲字节长度
    duration = music_size * 8 / (128 * 1000)  # 获取歌曲时长，单位 s
    duration_show = str(int(duration / 60)) + ":" + str(int(duration % 60))  # 格式化歌曲时长
    return duration_show  # 返回格式化的歌曲时长


# 提取图片函数
def imgTag(mp3_data, input_file_path, input_file_name):
    # 歌曲数据,输入文件的路径,输入文件的文件名
    mp3_data, input_file_path, input_file_name = mp3_data, input_file_path, input_file_name

    # 图片数据的提取
    img_data_hex = re.search(r"ffd8.+?496e666f0000000f", mp3_data)[0]  # 图片的 16 进制数据
    if img_data_hex:
        img_data_bytes = bytes.fromhex(img_data_hex)  # 将字符串转换为字节流数据
        out_file_name = input_file_path + input_file_name + '.jpg'
        with open(out_file_name, "wb") as out_file:
            out_file.write(img_data_bytes)

        return "%s%s.jpg" % (input_file_path, input_file_name)
    else:
        return ""


if __name__ == '__main__':
    try:
        # 提示信息
        print("##### 本程序为提取 mp3 ID3v2.3 格式的歌曲信息 #####")

        # mp3路径
        input_file_url = input("请输入需要提取的文件路径：")

        # 获取歌曲信息
        mp3_info = mp3Info(input_file_url)
        if mp3_info:
            # 获取文件路径,文件名
            mp3_data, input_file_path, input_file_name = mp3_info  # 返回 mp3 16进制数据,输入文件路径,输入文件文件名

            # 获取标签数据
            tags_info = tagsInfo()

            # 获取歌曲时长信息
            mp3_duration = mp3Duration(mp3_data)
            tags_info["时长"] = mp3_duration  # 添加时长字段

            # 获取图片数据
            imgInfo = imgTag(mp3_data, input_file_path, input_file_name)
            tags_info["图片路径"] = imgInfo  # 添加图片字段
            print(tags_info)

            # 日志信息
            log = "歌曲路径: " + input_file_path + input_file_name + ".mp3 \n" + "歌曲信息：" + str(
                tags_info) + "\n\n"
        else:
            # 日志信息
            log = "暂不支持此文件的提取,本程序仅支持 ID3v2.3 格式的 mp3 文件\n\n"
            print("暂不支持此文件的提取,本程序仅支持 ID3v2.3 格式的 mp3 文件")
    except:
        # 日志信息
        log = "意外错误\n\n"
        print("意外错误")
    finally:
        # 保存日志
        with open(r"log.txt", "a") as out_file:
            out_file.write(log)