PyCharm下python爬虫准备

打开pycharm

点击设置

点击项目解释器，再点击右边+号

搜索相关库并添加，例如：requests

喜马拉雅全网递归下载

打开谷歌/火狐浏览器，按F12打开开发者工具—>选择【网络】

编辑器浏览器输入： https://www.ximalaya.com/yinyue/  点击【摇滚】

发现弹出新的URL：https://www.ximalaya.com/yinyue/yaogun/    [汉字转换拼音后的URL访问]

点击进入任意一个专辑[未播放]

点击播放音乐[播放中]

[是一个json格式的URL]访问搜索界面的源代码，查找albumId，通过这些albumid获取音频文件的url

https://www.ximalaya.com/revision/play/album?albumId=16372952&pageNum=1&sort=-1&pageSize=30

最后使用函数urllib.request.urlretrieve（）下载音乐即可

附源码：

import re
import os
import json
import requests
import urllib
from urllib import request
from pypinyin import lazy_pinyinclass XimaLaya(object):# 模拟浏览器操作def __init__(self):self.header = {"User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:60.0) Gecko/20100101 Firefox/60.0'}# 第一步： 根据输入的汉字转换为拼音def han_pinyin(self, hanzi):pin = lazy_pinyin(hanzi)   # 汉转拼音pin = "".join(pin)       # 去除空格return pin               # 返回拼音# 第二步： 根据REST格式去访问喜马拉雅,获取页面的HTMLdef getHtml(self, pinyin):url = 'https://www.ximalaya.com/yinyue/' + pinyinprint("访问的网站是： " + url)html = requests.get(url, headers=self.header)# apparent_encoding通过调用chardet.detect()来识别文本编码，有些消耗计算资源html.encoding = html.apparent_encoding# html.encoding = 'utf8'  --> 直接改为UTF8也行with open('D:\XiMaLaya\html\\' + str(pinyin + '.html'), 'a', encoding='utf-8') as f:f.write(html.text)return html# 第三步：根据页面的内容获取对应歌单的albumId的值def getAlbumId(self, html):albumIdAll = re.findall(r'"albumId":(.*)', (html).text)  # 利用正则进行匹配,获取专辑IDprint("专辑信息", albumIdAll)with open('D:\XiMaLaya\\albumIdAll\\' + str('albumIdAll.txt'), 'a', encoding='utf-8') as f:for x in albumIdAll:f.write(str(x))myList = []url3 = []for i in (albumIdAll[:1]):# 获取对应专辑ID的首页url2 = 'https://www.ximalaya.com/revision/play/album?albumId=' + iprint(url2)# 进入对应专辑ID的首页信息html2 = requests.get(url2.split(',')[0], headers=self.header)# 含有下载URL的集合# src   "http://audio.xmcdn.com/group12/M03/2C/AA/wKgDW1WJ7GqxuItqAB8e1LXvuds895.m4a"url3 = (re.findall(r'"src":"(.*?)"', (html2).text))# 记录信息用的myList.append('获取对应专辑ID的首页\r\n' + url2 + '\n---------------------------------------')myList.append('含有下载URL的集合\r\n' + html2.text + '\n---------------------------------------')myList.append('下载专辑的URL集合\r\n' + str(url3) + '\n---------------------------------------')with open('D:\XiMaLaya\\albumIdAll\\' + str('hhh.txt'), 'a', encoding='utf-8') as f:f.write(json.dumps(myList))print('done')return url3    # 下载专辑的URL集合# 第四步： 获取专辑名def getTitle(self, html):t = re.findall(r'"title":"(.*?)"', (html).text)  # 获取titile（歌名）的值with open('D:\XiMaLaya\\albumIdAll\\' + str('albumId_Name.txt'), 'a', encoding='utf-8') as f:f.write(str(t))return t# 第五步： 下载歌曲def downLoad(self, url, title):n = 0for i in url:try:urllib.request.urlretrieve(i, 'D:\XiMaLaya\\'+str(title[n]+'.m4a'))print(str(title[n]), '...【下载成功】')n = n + 1except:print(str(title[n]) + "...【下载失败】")if __name__ == '__main__':fm = XimaLaya()# 输入需要下载的歌曲类型str1 = fm.han_pinyin("摇滚")# 获取对应歌曲类型的首页信息html = fm.getHtml(str1)# 获取歌曲类型的首页里面的专辑名称title = fm.getTitle(html)# 获取歌曲类型的首页里面的专辑IDurl3 = fm.getAlbumId(html)# 下载对应曲目fm.downLoad(url3, title)

喜马拉雅单一专辑的下载

打开谷歌/火狐浏览器，按F12打开开发者工具—>选择【网络】

编辑器浏览器输入： https://www.ximalaya.com/yinyue/12521114/

点击计入音乐[未播放前]<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />

点击进入音乐[播放中]

[是一个json格式的URL]访问搜索界面的源代码，查找albumId，通过这些albumid获取音频文件的url

https://www.ximalaya.com/revision/play/album?albumId=12521114&pageNum=1&sort=-1&pageSize=30

最后使用函数urllib.request.urlretrieve（）下载音乐即可

附源码：

import re
import json
import requests
import urllib
from urllib import requestclass XimaLaya(object):# 模拟浏览器操作def __init__(self):self.header = {"User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:60.0) Gecko/20100101 Firefox/60.0'}# 第一步：根据REST格式去访问喜马拉雅,获取页面的HTMLdef getHtml(self, pinyin):url = 'https://www.ximalaya.com/yinyue/' + pinyinprint("访问的网站是： " + url)html = requests.get(url, headers=self.header)# apparent_encoding通过调用chardet.detect()来识别文本编码，有些消耗计算资源html.encoding = html.apparent_encoding# html.encoding = 'utf8'  --> 直接改为UTF8也行print(html)return html# 第二步：根据页面的内容获取对应歌单的albumId的值def getAlbumId(self, html):albumIdAll = re.findall(r'"albumId":(.*)', (html).text)  # 利用正则进行匹配,获取专辑IDprint("专辑信息", albumIdAll)with open('D:\XiMaLaya\\albumIdAll\\' + str('albumIdAll.txt'), 'a', encoding='utf-8') as f:for x in albumIdAll:f.write(str(x))myList = []url3 = []for i in (albumIdAll[:1]):# 获取对应专辑ID的首页url2 = 'https://www.ximalaya.com/revision/play/album?albumId=' + iprint(url2)# 进入对应专辑ID的首页信息html2 = requests.get(url2.split(',')[0], headers=self.header)# 含有下载URL的集合# src   "http://audio.xmcdn.com/group12/M03/2C/AA/wKgDW1WJ7GqxuItqAB8e1LXvuds895.m4a"url3 = (re.findall(r'"src":"(.*?)"', (html2).text))# 记录信息用的myList.append('获取对应专辑ID的首页\r\n' + url2 + '\n---------------------------------------')myList.append('含有下载URL的集合\r\n' + html2.text + '\n---------------------------------------')myList.append('下载专辑的URL集合\r\n' + str(url3) + '\n---------------------------------------')with open('D:\XiMaLaya\\albumIdAll\\' + str('hhh.txt'), 'a', encoding='utf-8') as f:f.write(json.dumps(myList))print('done')return url3    # 下载专辑的URL集合# 第三步： 获取专辑名def getTitle(self, html):t = re.findall(r'"title":"(.*?)"', (html).text)  # 获取titile（歌名）的值with open('D:\XiMaLaya\\albumIdAll\\' + str('albumId_Name.txt'), 'a', encoding='utf-8') as f:f.write(str(t))return t# 第四步： 下载歌曲def downLoad(self, url, title):n = 0for i in url:try:urllib.request.urlretrieve(i, 'D:\XiMaLaya\\'+str(title[n]+'.m4a'))print(str(title[n]), '...【下载成功】')n = n + 1except:print(str(title[n]) + "...【下载失败】")if __name__ == '__main__':fm = XimaLaya()# 输入需要下载的歌曲URLstr1 = "yinyue/12521114/"# 获取对应歌曲类型的首页信息html = fm.getHtml(str1)# 获取歌曲类型的首页里面的专辑名称title = fm.getTitle(html)# 获取歌曲类型的首页里面的专辑IDurl3 = fm.getAlbumId(html)# 下载对应曲目fm.downLoad(url3, title)