1.首先千千音乐的robots协议
User-agent: Baiduspider
Allow: /
User-agent: Baiduspider-image
Allow: /
User-agent: YoudaoBot
Allow: /
User-agent: Sogou web spider
Allow: /
User-agent: Sogou inst spider
Allow: /
User-agent: Sogou spider2
Allow: /
User-agent: Sogou blog
Allow: /
User-agent: Sogou News Spider
Allow: /
User-agent: Sogou Orion spider
Allow: /
User-agent: Sosospider
Allow: /
User-agent: 360Spider
Allow: /
User-agent: Sogouspider
Allow: /
User-agent: *
Disallow: /
2.项目目的
对于千千音乐的首页的歌单进行爬取,创建以歌单为名字的文件夹并且下载歌单内的所有歌曲保存至本地
3.项目介绍功能介绍
难点:千千音乐他音频是由JS生成的难点就是找到他的js链接
不要加多进程
与多线程
进去增加千千音乐的负担,只做类人爬取,对于技术的练习
爬取内容请不要用做商业用途
4.项目链接
https://github.com/a568972484/spider_music
具体查看项目
5.代码展示
import requests
from lxml.html import etree
import os
import re
import json
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36', }
#输出字典形式 歌单名字:url
def musics_name_urls_dict():
response = requests.get('http://music.taihe.com/',headers= headers)
response.encoding = 'utf8'
response_html = etree.HTML(response.text)
music_xpath = '//*