Python批量爬取华语天王巨星周杰伦的音乐

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

小伙伴说想听周杰伦的音乐，有什么网站是可以免费听的，然后他发现咪咕音乐可以免费听周杰伦的歌曲，既然可以免费听，那岂不是可以爬了~

基本开发环境

Python 3.6
Pycharm

import requests
import parsel

目标网站分析

点击播放按钮，会自动跳转到音乐播放页面

播放界面有一个下载按钮，点击下载。

是需要登陆账号

打开开发者工具
选择network
点击立即下载

会有一个下载的数据接口，post请求的数据接口，里面返回的数据有携带音频真实地址。

复制url地址，是会自动下载文件到本地的

既然是post请求，只需要看data参数的变化，看它需要传递那些参数

多查看几首歌曲的下载氢气，就可以发现 copyrightId 就是每首音乐的ID值，只需要获取每首歌曲的ID值，就可以下载音乐了。

所以返回到周杰伦的音乐列表页

可以发现音乐列表页是静态网站，获取可以直接用过requests请求网站解析网站数据，可以获取音乐的ID值以及标题。

现在就是剩下最后一个问题了，那就是翻页，多页获取。

对于翻页爬取，只需要点击下一页，查看url地址的变化，找到其对应的变化规律即可。

page就是对应的页码，所以翻页爬取也搞定了，接下来就是写代码就好了

1、请求网页获取音乐的ID值以及标题

cookie 我就不带了，你可以自己登陆咪咕音乐之后复制开发者工具里面的

ef get_mp3_info(url):headers = {'cookie': '','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=url, headers=headers)selector = parsel.Selector(response.text)lis = selector.css('#J_PageSonglist > div.songlist-body > div')for li in lis:page_url = li.css('.song-name-txt::attr(href)').get()mp3_id = page_url.split('/')[-1]title = li.css('.song-name-txt::attr(title)').get()

2、post请求获取音乐下载地址

这里 headers 参数可以不用写这么多，为了方便就直接复制粘贴了，因为是post请求，有一些参数是必要带的，不然得到想要的返回结果。

def get_mp3_url(mp3_id, title):url = 'https://music.migu.cn/v3/api/order/download'headers = {'authority': 'music.migu.cn','method': 'POST','path': '/v3/api/order/download','scheme': 'https','accept': '*/*','accept-encoding': 'gzip, deflate, br','accept-language': 'zh-CN,zh;q=0.9','cache-control': 'no-cache','content-length': '42','content-type': 'application/x-www-form-urlencoded; charset=UTF-8','cookie': '','origin': 'https://music.migu.cn','pragma': 'no-cache','referer': 'https://music.migu.cn/v3/music/order/download/60054701923','sec-fetch-dest': 'empty','sec-fetch-mode': 'cors','sec-fetch-site': 'same-origin','user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36','x-requested-with': 'XMLHttpRequest',}data = {'copyrightId': '{}'.format(mp3_id),'payType': '01','type': '1'}response = requests.post(url=url, data=data, headers=headers)html_data = response.json()mp3_url = html_data['downUrl']

3、保存音乐至本地

保存代码还是比较简单，也是常用的 with open

def download(download_url, title):response = requests.get(url=download_url)path = '音乐\\' + title + '.mp3'with open(path, mode='wb') as f:f.write(response.content)

具体实现效果

有一部分的音乐任然还是需要付费的，所以当你post请求付费音乐的时间，是没有下载地址的，可以写一个判断

总结

代码可以优化，这只是最简易版本的爬虫代码，下载速度并不是很快，可以使用多线程爬取，速度更佳，可以自己去动手优化。

爬虫不难，主要是在于分析网站，除非涉及严重加密的网站，比如字体加密，JS数据加密，这些基本大部分网站，只需要花点心思分析网站的数据，就可以爬取了。

字体加密的网站其实也不难，主要是爬取的过程有点繁杂。加油吧