基本配置:
- Python版本:3.7
相关模块:
from urllib import parsefrom lxml import etreefrom urllib3 import disable_warningsimport requests
案例关键点:
使用单线程爬取,未登录,爬取网易云歌单主要有三个关键点:
网易云使用翻页形式,其特点为url的limit和offset参数:
limit 表示单页显示的歌单数(修改无效)
offset 表示当前页数,即 offset / limit + 1
发送get请求时froms与url的参数一样
cat 歌单类型,必须将中文转码
order 最新或最热
limit 与url参数一致
offset 与url参数一致
完整代码:
from urllib import parsefrom lxml import etreefrom urllib3 import disable_warningsimport requests'''遇到不懂的问题?Python学习交流群:821460695满足你的需求,资料都已经上传群文件,可以自行下载!'''class Wangyiyun(object): def __init__(self, **kwargs): # 歌单的歌曲风格 self.types = kwargs['types'] # 歌单的发布类型 self.years = kwargs['years'] # 这是当前爬取的页数 self.pages = pages # 这是请求的url参数(页数) self.limit = 35 self.offset = 35 * self.pages - self.limit # 这是请求的url self.url = "https://music.163.com/discover/playlist/?" # 设置请求头部信息(可扩展:不同的User - Agent) def set_header(self): self.header = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36", "Referer": "https://music.163.com/", "Upgrade-Insecure-Requests": '1', } return self.header # 设置请求表格信息 def set_froms(self): self.key = parse.quote(self.types) self.froms = { "cat": self.key, "order": self.years, "limit": self.limit, "offset": self.offset, } return self.froms # 解析代码,获取有用的数据 def parsing_codes(self): page = etree.HTML(self.code) # 标题 self.title = page.xpath('//div[@class="u-cover u-cover-1"]/a[@title]/@title') # 作者 self.author = page.xpath('//p/a[@class="nm nm-icn f-thide s-fc3"]/text()') # 阅读量 self.listen = page.xpath('//span[@class="nb"]/text()') # 歌单链接 self.link = page.xpath('//div[@class="u-cover u-cover-1"]/a[@href]/@href') # 打印看看 for i in zip(self.title, self.link, self.author, self.listen): print("[歌单名称]:{}\n[发布作者]:{}\n[总播放量]:{}\n[歌单链接]:{}\n".format(i[0],i[2],i[3],"https://music.163.com/"+i[1])) print('第{}页'.format(self.pages).center(50,'=')) # 获取网页源代码 def get_code(self): disable_warnings() self.froms['cat']=self.types disable_warnings() self.new_url = self.url+parse.urlencode(self.froms) self.code = requests.get( url = self.new_url, headers = self.header, data = self.froms, verify = False, ).text # 爬取多页时刷新offset def multi(self ,page): self.offset = self.limit * page - self.limitif __name__ == '__main__': #======================================= # 指定一些参数 # 歌单的歌曲风格 types = "说唱" # 歌单的发布类型:最热=hot,最新=new years = "hot" # 指定爬取的页数 pages = 1 #======================================= # ======================================= # 例子:通过pages变量爬取指定页面(多页) music = Wangyiyun( types = types, years = years, ) for i in range(pages): page = i+1 # 因为没有第0页 music.multi(page) # 爬取多页时指定,传入当前页数,刷新offset music.set_header() # 调用头部方法,构造请求头信息 music.set_froms() # 调用froms方法,构造froms信息 music.get_code() # 获取当前页面的源码 music.parsing_codes() # 处理源码,获取指定数据 # ======================================= #======================================= # 例子:通过pages变量爬取指定页面(单页) # music = Wangyiyun( # types=types, # years=years, # ) # music.set_header() # music.set_froms() # music.get_code() # music.parsing_codes() #=======================================
运行效果图:
长按二维码关注
公众号「跟我学Python」
你点一个在看 👍
就是最大的支持
======================================================================================================================
本文分享自微信公众号 - web项目开发(javawebkaifa)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。