Python爬虫实践-网易云音乐

1、前言

最近，网易的音乐很多听不到了，刚好也看到很多教程，跟进学习了一下，也集大全了吧，本来想优化一下的，但是发现问题还是有点复杂，最后另辟捷径，提供了简单的方法啊！

本文主要参考 python编写GUI版网易云音乐爬虫后改写，有兴趣的可以看看文章的GUI，了解更多知识~

2、Python + 爬虫

首先，说一下准备工作：

Python：需要基本的python语法基础
requests：专业用于请求处理，requests库学习文档中文版
lxml：其实可以用pythonth自带的正则表达式库re，但是为了更加简单入门，用 lxml 中的 etree 进行网页数据定位爬取。
re：python正则表达式处理
json：python的json处理库

如果大家对上面的库还比不懂，可以看看我的之前文章《Python爬虫实践入门篇》

然后，说一下我们现在已经知道下载链接是这样的：

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

id 就是歌曲的id！

所以，现在我们爬虫主要的工作就是找到这个id，当然为了更好的保存，也要找到这个歌名啦！

那现在就是要找到我们需要爬虫的网站链接啦！我分析了一下，大概是下面三种：

#歌曲清单
music_list = 'https://music.163.com/#/playlist?id=2412826586'
#歌手排行榜
artist_list = 'https://music.163.com/#/artist?id=8325'
#搜索列表
search_list = 'https://music.163.com/#/search/m/?order=hot&cat=全部&limit=435&offset=435&s=梁静茹'

如果你已经只是想下载一首歌，比如静茹-勇气：https://music.163.com/#/song?id=254485，那你直接就用浏览器打开 http://music.163.com/song/media/outer/url?id=254485 就可以了，没必要爬虫啊！

好啦！感觉重点都说完了，提取和解析就是用 lxml，不懂的就看我之前的文章啊《Python爬虫实践入门篇》

3、下载歌词

如果还要下载歌词，那也很简单，通过接口，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)

返回的json数据大概长这样：

{sgc: true,sfy: false,qfy: false,lrc:{version: 7,lyric: "[00:39.070]开了窗 等待天亮\n[00:46.160]看这城市 悄悄的 熄了光\n[00:51.850]听风的方向\n[00:55.090]这一刻 是否和我一样\n[00:58.730]孤单的飞翔\n[01:02.300]模糊了眼眶\n[01:07.760]广播里 那首歌曲\n[01:14.830]重复当时 那条街那个你\n[01:20.410]相同的桌椅\n[01:23.740]不用言语 就会有默契\n[01:27.470]这份亲密\n[01:30.560]那么熟悉\n[01:33.850]在爱里 等着你\n[01:37.480]被你疼惜 有种暖意\n[01:41.090]在梦里 全是你\n[01:43.920]不要再迟疑 把我抱紧"},klyric:{version: 0,lyric: null},tlyric:{version: 0,lyric: null},code: 200
}

剩下的也没有什么好说的啦！

4、坑点与进阶

表面上很简单，但是需要注意的是，网易返回的链接，数据是js动态加载，也就是爬虫得到的网页数据和浏览器得到的dom内容和结构不一样！

坑
其中，搜索列表爬虫回来的内容，完全得不到歌曲id！！！
解决
解决方法也是有的！
- python模拟浏览器
  使用selenium+phantomjs无界面浏览器，这两者的结合其实就是直接操作浏览器，可以获取JavaScript渲染后的页面数据。
缺点：

由于是无界面浏览器，采用此方案效率极低，如果大批量抓取不推荐。
对于异步请求并且数据在源码中并不存在的，同时也就无法抓取到的数据。
- 搜索的歌曲变成歌单
  比如想下载全部的某一歌手的全部音乐，用手机云音乐搜索，然后全部保存到新建一个歌单，这样就可以啦！
进阶
如果想使用了解更多网易云音乐js的加密解密过程，可以看看这个 Python 爬虫如何获取 JS 生成的 URL 和网页内容？ - 路人甲的回答 - 知乎

总结

用python，就一定要简单，我认为复杂的东西，还是尽量少做，能取巧就取巧，所以本文没有使用selenium+phantomjs实践，如果想了解更多selenium+phantomjs内容，可以参考文末引用链接。

注：本文只是技术交流，请不要商业用途~ 如有违反，本人一概不负责。

全部代码

又是非常简单的100行代码完事！！！

GitHub: WebCrawlerExample/163_NeteaseMusic.py at master · iHTCboy/WebCrawlerExample


import os
import re
import json
import requests
from lxml import etreedef download_songs(url=None):if url is None:url = 'https://music.163.com/#/playlist?id=2384642500'url = url.replace('/#', '').replace('https', 'http')  # 对字符串进行去空格和转协议处理# 网易云音乐外链url接口：http://music.163.com/song/media/outer/url?id=xxxxout_link = 'http://music.163.com/song/media/outer/url?id='# 请求头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'}# 请求页面的源码res = requests.get(url=url, headers=headers).texttree = etree.HTML(res)# 音乐列表song_list = tree.xpath('//ul[@class="f-hide"]/li/a')# 如果是歌手页面artist_name_tree = tree.xpath('//h2[@id="artist-name"]/text()')artist_name = str(artist_name_tree[0]) if artist_name_tree else None# 如果是歌单页面：#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# 设置音乐下载的文件夹为歌手名字或歌单名folder = './' + artist_name if artist_name else './' + song_list_nameif 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  # 拼接获取音乐真实的src资源值title = str(s.xpath('./text()')[0])  # 音乐的名字filename = title + '.mp3'filepath = folder + '/' + filenameprint('开始下载第{}首音乐：{}\n'.format(i + 1, filename))try:  # 下载音乐#下载歌词#download_lyric(title, song_id)data = requests.get(src).content  # 音乐的二进制数据with open(filepath, 'wb') as f:f.write(data)except Exception as e:print(e)print('{}首全部歌曲已经下载完毕！'.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)# 请求头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'}# 请求页面的源码res = requests.get(url=url, headers=headers).textjson_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' #歌曲清单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=梁静茹' #搜索列表download_songs(music_list)

参考

python编写GUI版网易云音乐爬虫
Python爬虫实践入门篇 | iHTCboy's blog
Python 爬虫如何获取 JS 生成的 URL 和网页内容？ - 路人甲的回答 - 知乎
Python 爬虫获取网易云音乐歌手歌词
python爬虫的最佳实践(五)--selenium+PhantomJS的简单使用
Selenium with Python — Selenium Python Bindings 2 documentation
ariya/phantomjs: Scriptable Headless Browser
WebCrawlerExample/163_NeteaseMusic.py at master · iHTCboy/WebCrawlerExample

如有疑问，欢迎在评论区一起讨论！
如有不正确的地方，欢迎指导！

注：本文首发于 iHTCboy's blog，如若转载，请注来源