天天看點
傳回

Python爬蟲實踐-網易雲音樂

1、前言

最近，網易的音樂很多聽不到了，剛好也看到很多教程，跟進學習了一下，也集大全了吧，本來想優化一下的，但是發現問題還是有點複雜，最後另辟捷徑，提供了簡單的方法啊！

本文主要參考

python編寫GUI版網易雲音樂爬蟲

後改寫，有興趣的可以看看文章的GUI，了解更多知識~

2、Python + 爬蟲

首先，說一下準備工作：

  • Python：需要基本的python文法基礎
  • requests：專業用于請求處理， requests庫學習文檔中文版
  • lxml：其實可以用pythonth自帶的正規表達式庫re，但是為了更加簡單入門，用 lxml 中的 etree 進行網頁資料定位爬取。
  • re：python正規表達式處理
  • json：python的json處理庫

如果大家對上面的庫還比不懂，可以看看我的之前文章

《Python爬蟲實踐入門篇》

然後，說一下我們現在已經知道下載下傳連結是這樣的：

http://music.163.com/song/media/outer/url?id='

id

就是歌曲的id！

是以，現在我們爬蟲主要的工作就是找到這個id，當然為了更好的儲存，也要找到這個歌名啦！

那現在就是要找到我們需要爬蟲的網站連結啦！我分析了一下，大概是下面三種：

#歌曲清單
music_list = 'https://music.163.com/#/playlist?id=2412826586' 
#歌手排行榜
artist_list = 'https://music.163.com/#/artist?id=8325'
#搜尋清單 
search_list = 'https://music.163.com/#/search/m/?order=hot&cat=全部&limit=435&offset=435&s=梁靜茹'

如果你已經隻是想下載下傳一首歌，比如靜茹-勇氣：

https://music.163.com/#/song?id=254485

，那你直接就用浏覽器打開

http://music.163.com/song/media/outer/url?id=254485

就可以了，沒必要爬蟲啊！

好啦！感覺重點都說完了，提取和解析就是用 lxml，不懂的就看我之前的文章啊

3、下載下傳歌詞

如果還要下載下傳歌詞，那也很簡單，通過接口，有歌曲的id就可以：

url = 'http://music.163.com/api/song/lyric?id={}&lv=-1&kv=-1&tv=-1'.format(song_id)

傳回的json資料大概長這樣：

{
    sgc: true,
    sfy: false,
    qfy: false,
    lrc:
    {
        version: 7,
        lyric: "[00:39.070]開了窗 等待天亮\n[00:46.160]看這城市 悄悄的 熄了光\n[00:51.850]聽風的方向\n[00:55.090]這一刻 是否和我一樣\n[00:58.730]孤單的飛翔\n[01:02.300]模糊了眼眶\n[01:07.760]廣播裡 那首歌曲\n[01:14.830]重複當時 那條街那個你\n[01:20.410]相同的桌椅\n[01:23.740]不用言語 就會有默契\n[01:27.470]這份親密\n[01:30.560]那麼熟悉\n[01:33.850]在愛裡 等着你\n[01:37.480]被你疼惜 有種暖意\n[01:41.090]在夢裡 全是你\n[01:43.920]不要再遲疑 把我抱緊"
    },
    klyric:
    {
        version: 0,
        lyric: null
    },
    tlyric:
    {
        version: 0,
        lyric: null
    },
    code: 200
}

剩下的也沒有什麼好說的啦！

4、坑點與進階

表面上很簡單，但是需要注意的是，網易傳回的連結，資料是js動态加載，也就是爬蟲得到的網頁資料和浏覽器得到的dom内容和結構不一樣！

  • 坑

    其中，搜尋清單爬蟲回來的内容，完全得不到歌曲id！！！

  • 解決

    解決方法也是有的！

    • python模拟浏覽器

      使用selenium+phantomjs無界面浏覽器，這兩者的結合其實就是直接操作浏覽器，可以擷取JavaScript渲染後的頁面資料。

    缺點：

    由于是無界面浏覽器，采用此方案效率極低，如果大批量抓取不推薦。

    對于異步請求并且資料在源碼中并不存在的，同時也就無法抓取到的資料。

    • 搜尋的歌曲變成歌單

      比如想下載下傳全部的某一歌手的全部音樂，用手機雲音樂搜尋，然後全部儲存到建立一個歌單，這樣就可以啦！

  • 進階

    如果想使用了解更多網易雲音樂js的加密解密過程，可以看看這個

    Python 爬蟲如何擷取 JS 生成的 URL 和網頁内容？ - 路人甲的回答 - 知乎

總結

用python，就一定要簡單，我認為複雜的東西，還是盡量少做，能取巧就取巧，是以本文沒有使用selenium+phantomjs實踐，如果想了解更多

selenium+phantomjs

内容，可以參考文末引用連結。

注：本文隻是技術交流，請不要商業用途~ 如有違反，本人一概不負責。

全部代碼

又是非常簡單的100行代碼完事！！！

GitHub:

WebCrawlerExample/163_NeteaseMusic.py at master · iHTCboy/WebCrawlerExample 
import os
import re
import json
import requests
from lxml import etree


def download_songs(url=None):
    if url is None:
        url = 'https://music.163.com/#/playlist?id=2384642500'

    url = url.replace('/#', '').replace('https', 'http')  # 對字元串進行去空格和轉協定處理
    # 網易雲音樂外鍊url接口：http://music.163.com/song/media/outer/url?id=xxxx
    out_link = 'http://music.163.com/song/media/outer/url?id='
    # 請求頭
    headers = {
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',
        'Referer': 'https://music.163.com/',
        'Host': 'music.163.com'
    }
    # 請求頁面的源碼
    res = requests.get(url=url, headers=headers).text

    tree = etree.HTML(res)
    # 音樂清單
    song_list = tree.xpath('//ul[@class="f-hide"]/li/a')
    # 如果是歌手頁面
    artist_name_tree = tree.xpath('//h2[@id="artist-name"]/text()')
    artist_name = str(artist_name_tree[0]) if artist_name_tree else None

    # 如果是歌單頁面：
    #song_list_tree = tree.xpath('//*[@id="m-playlist"]/div[1]/div/div/div[2]/div[2]/div/div[1]/table/tbody')
    song_list_name_tree = tree.xpath('//h2[contains(@class,"f-ff2")]/text()')
    song_list_name = str(song_list_name_tree[0]) if song_list_name_tree else None

    # 設定音樂下載下傳的檔案夾為歌手名字或歌單名
    folder = './' + artist_name if artist_name else './' + song_list_name

    if not os.path.exists(folder):
        os.mkdir(folder)

    for i, s in enumerate(song_list):
        href = str(s.xpath('./@href')[0])
        song_id = href.split('=')[-1]
        src = out_link + song_id  # 拼接擷取音樂真實的src資源值
        title = str(s.xpath('./text()')[0])  # 音樂的名字
        filename = title + '.mp3'
        filepath = folder + '/' + filename
        print('開始下載下傳第{}首音樂：{}\n'.format(i + 1, filename))

        try:  # 下載下傳音樂
            #下載下傳歌詞
            #download_lyric(title, song_id)

            data = requests.get(src).content  # 音樂的二進制資料

            with open(filepath, 'wb') as f:
                f.write(data)
        except Exception as e:
            print(e)

    print('{}首全部歌曲已經下載下傳完畢！'.format(len(song_list)))


def download_lyric(song_name, song_id):
    url = 'http://music.163.com/api/song/lyric?id={}&lv=-1&kv=-1&tv=-1'.format(song_id)
    # 請求頭
    headers = {
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',
        'Referer': 'https://music.163.com/',
        'Host': 'music.163.com'
        # 'Origin': 'https://music.163.com'
    }
    # 請求頁面的源碼
    res = requests.get(url=url, headers=headers).text
    json_obj = json.loads(res)
    lyric = json_obj['lrc']['lyric']
    reg = re.compile(r'\[.*\]')
    lrc_text = re.sub(reg, '', lyric).strip()

    print(song_name, lrc_text)




if __name__ == '__main__':
    #music_list = 'https://music.163.com/#/playlist?id=2384642500' #歌曲清單
    music_list = 'https://music.163.com/#/artist?id=8325' #歌手排行榜
    # music_list = 'https://music.163.com/#/search/m/?order=hot&cat=全部&limit=435&offset=435&s=梁靜茹' #搜尋清單
    download_songs(music_list)

參考

  • 如有疑問，歡迎在評論區一起讨論！
  • 如有不正确的地方，歡迎指導！
注：本文首發于 iHTCboy's blog ，如若轉載，請注來源
資料采集 Web App開發 javascript 資料格式 Python json iOS開發 api macOS 資料安全/隐私保護 python資訊腳本 python爬蟲項目實戰程式設計 python網頁資訊 python爬蟲資訊 python爬蟲搜尋引擎
上一篇: shell技巧4 - nm指令解決AppStore2.5.2被拒問題
下一篇: shell技巧3 - 自動生成AppIcon

繼續閱讀