【爬虫实战项目】Python爬虫批量下载网易云音乐飙升榜并保存本地（附源码）

晶品空间装饰设计工作室王金平

前言

今天给大家介绍的是Python爬虫批量下载音乐飙升榜并保存本地，在这里给需要的小伙伴们代码，并且给出一点小心得。
首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫，基本的是加请求头，但是这样的纯文本数据爬取的人会很多，所以我们需要考虑更换代理IP和随机更换请求头的方式来对音乐飙升榜进行爬取。
在每次进行爬虫代码的编写之前，我们的第一步也是最重要的一步就是分析我们的网页。
通过分析我们发现在爬取过程中速度比较慢，所以我们还可以通过禁用谷歌浏览器图片、JavaScript等方式提升爬虫爬取速度。

开发工具

Python版本： 3.6
相关模块：
requests模块
time模块
parsel模块
re模块
time模块
环境搭建

安装Python并添加到环境变量，pip安装需要的相关模块即可。

文中完整代码及文件，评论留言获取

数据来源查询分析

浏览器中打开我们要爬取的页面
按F12进入开发者工具，查看我们想要的音乐飙升榜在哪里
这里我们需要页面数据就可以了

代码实现

1. url = 'https://www.kugou.com/yy/html/rank.html'
2. # 请求头: 把python代码伪装成浏览器对服务器发送请求,  服务接收到请求,确认无误 会返回一个响应体数据 (response)
3. # user-agent : 浏览器基本信息
4. headers = {
5.     'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.114 Safari/537.36'
6.     'Cookie': '你的Cookie'
7. }
8. response = requests.get(url=url, headers=headers)
9. # 获取响应体文本数据 response.text
10. # print(response.text)
11. # 返回是字符串
12. # 解析数据 提取每个榜单url地址  css选择器 主要根据标签的属性内容提取数据
13. # 需要把获取到 response.tex 文本数据 转换成 selector 解析对象
14. selector = parsel.Selector(response.text)
15. #  attr() 属性选择器  选择a标签里面的href属性
16. #  getall() 获取所有A标签里面的内容 返回的是列表
17. #  get() 获取一个a标签里面的内容 返回的是字符串
18. # 直接取标签文本数据 text
19. href = selector.css('.pc_rank_sidebar li a::attr(href)').getall()
20. href = href[15:] # 列表切片
21. for index in href:
22.     response_2 = requests.get(url=index, headers=headers)
23.     # 正则表达式里面 () 精确匹配  提取的内容
24.     # .*? 通配符 可以匹配任意字符返回是列表
25.     # \d 匹配一个数字 \d+ 匹配多个数字
26.     Hash_list = re.findall('"Hash":"(.*?)"', response_2.text)
27.     id_list = re.findall('"album_id":(\d+),', response_2.text)
28.     zip_data = zip(Hash_list, id_list)
29.     for link in zip_data:
30.         time.sleep(1)
31.         now_time = int(time.time() *1000)
32.         hash = link[0]
33.         music_id = link[1]
34.         link_url = 'https://wwwapi.kugou.com/yy/index.php'
35.         # get请求的url 问号后面的参数 都是属于 请求参数
36.         # params 请求参数
37.         # ? 非贪婪匹配  贪婪匹配  . 匹配任意一个字符(除了\n) * 匹配前字符 一个或者多个
38.         params = {
39.             'r': 'play/getdata',
40.             # 'callback': 'jQuery1910035165171305796106_1624450739070',
41.             'hash': hash,
42.             'dfid': '4WPBq03cK0E03W1gW53TM7Vs',
43.             'mid': '562939428ef6d5d8272814a5058a411b',
44.             'platid': '4',
45.             'album_id': music_id,
46.             '_': now_time,
47.         }
48.         response_3 = requests.get(url=link_url, params=params, headers=headers)

复制代码

获取Cookie

效果展示

最后

今天的分享到这里就结束了 ，感兴趣的朋友也可以去试试哈
对文章有问题的，或者有其他关于python的问题，可以在评论区留言或者私信我哦
觉得我分享的文章不错的话，可以关注一下我，或者给文章点赞(/≧▽≦)/

来源:https://www.cnblogs.com/guzichuan/p/17014070.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！