参照上一篇爬虫小猪短租的思路https://www.cnblogs.com/aby321/p/9946831.html，继续熟悉基础爬虫方法，本次爬取的是咪咕音乐的排名

咪咕音乐榜首页http://music.migu.cn/v2/music/billboard/?_from=migu&page=1

注意：本程序有时候运行会报错，此时重新运行即可，报错原因不明了！

与小猪短租不同的是，爬取的排名信息不在每首歌曲的详细页面内，需要在分页url中获取(代码19-25行)，使用打包循环并且输出给函数get_info()

1 """

2 典型的分页型网站——咪咕音乐榜3 有时候运行会报错，有时候正常，原因不知道4 """

5 importrequests6 from bs4 importBeautifulSoup as bs7 importtime8

9 headers ={10 'User-Agent':'User-Agent:Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'

11 }12

13 #获取每一个歌曲的网址,参数是分页url

14 defget_link(url):15 html_data = requests.get(url, headers =headers)16 soup = bs(html_data.text, 'lxml')#bs4推荐使用的的解析库

17 #print(soup.prettify()) #标准化输出url中的源代码(有可能跟网页查看中的不一致，网页中有可能标签书写不规范)以此为基础抓取，如果抓取失败，用此命令查看源代码

18 links = soup.select('#js_songlist > div > div.song-name > span > a')#注意循环点！！！

19 ranks = soup.select('#js_songlist > div > div.song-number')#因为歌曲详情里没有排名信息，因此需要在这部分获取详情信息

20 #print(ranks)

21 for rank, link in zip(ranks,links):#打包循环，主要为了输出配套的rank和link

22 rank =rank.get_text()23 link = 'http://music.migu.cn' + link.get('href')#观察每个歌曲的详细网页发现，前面部分需要手动添加http://music.migu.cn

24 #print(rank,link)

25 get_info(rank,link)26

27 #获取每一个歌曲的详细信息，排名、歌名、歌手和专辑名，参数url是每个歌曲的网址

28 defget_info(rank,url):29 html_data = requests.get(url, headers =headers)30 soup = bs(html_data.text, 'lxml')#bs4推荐使用的的解析库

31 #print(soup.prettify()) #标准化输出url中的源代码(有可能跟网页查看中的不一致，网页中有可能标签书写不规范)以此为基础抓取，如果抓取失败，用此命令查看源代码

32 title = soup.select('div.container.pt50 > div.song-data > div.data-cont > div.song-name > span.song-name-text')[0].string.strip()33

34 #用网页copy过来的全部是“body > div.wrap.clearfix.con_bg > div.con_l > div.pho_info > h4 > em”，但是使用这个爬不出来数据(我也不知道why)，把body去掉或者用下面最简短的方式(只使用最近的且唯一的div)

35 #title = soup.select('div.pho_info > h4 > em ')

36 #查询结果title格式是一维列表，需要继续提取列表元素(一般就是[0])，列表元素是前后有标签需要继续提取标签内容，使用get_text()或者string

37 singer = soup.select('div.container.pt50 > div.song-data > div.data-cont > div.song-statistic > span > a')[0].string.strip()38 cd = soup.select('div.container.pt50 > div.song-data > div.data-cont > div.style-like > div > span > a')[0].string.strip() #获取标签的属性值

39

40 #将详细数据整理成字典格式

41 data ={42 '排名':rank,43 '歌名':title,44 '歌手':singer,45 '专辑':cd46 }47 print(data)48

49

50 #程序主入口

51 if __name__=='__main__':52 for number in range(1,3):53 url = 'http://music.migu.cn/v2/music/billboard/?_from=migu&page={}'.format(number) #构造分页url(不是歌曲详情的url)

54 get_link(url)55 time.sleep(1)

输出结果：每次输出data数据(字典型)字段顺序是随机的，因为本身字典型数据就没有顺序，如果想固定顺序的话请使用列表

举一反三：同类型的分页型网站均可使用此爬虫模板，例如豆瓣电影top100、时光网top榜之类的

ps：不知道这个榜单准不准，反正我基本没听过(可能是我out了)

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com

特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有