利用python爬虫爬取网站音乐遇到的坑

1,125 阅读3分钟

前言

        最近我想在网站上下载几首音乐放到我的u盘里听,但是上网上一找,各大音乐网站下载歌曲(尤其是好听的歌曲)都需要vip。

        对于像我这样的穷人来说,肯定是不会花几十块钱去下载几首音乐啦,而且作为程序员,充钱去下载音乐那也是不可能的,于是我花了一天时间,上网找了各种资料来学习一下怎样才能不花钱白嫖到网站上的音乐。

        当然,方法还是有很多种的,最后我还是选择了一种最简单,最方便的一种方法:python爬虫。下面,我就跟大家分享一下我在用python爬虫时遇到的坑。


下面,我以爬取某易云音乐为例,介绍一下我时如何学习python爬虫的:

思路:

  • 音乐从哪里来? ---网站的服务器里
  • 怎么从网址里得到音乐? ---向网站发起网络请求
  • 删选音乐文件
  • 下载音乐文件

具体实现


1. 引入发送网络请求的第三方库
import requests # 发送网络请求的第三方库

安装方法

pip install requests

  1. 引入数据解析第三方库
from lxml import etree # 数据解析第三方库

安装方法

pip install lxml

  1. 某易云音乐网站列表url为'music.163.com/#/discover/…'
url = 'https://music.163.com/#/discover/toplist?id=3778678'
  1. 发送请求获取页面数据
response = requests.get(url=url) # 请求页面数据
  1. 解析数据
html=etree.HTML(response.text) # 解析页面数据
  1. 获取所有歌曲标签集合(a标签
id_list = html.xpath('//a[contains(@href,"song?")]')  # 所有歌曲id集合
  1. 下载歌曲
base_url = 'http://music.163.com/song/media/outer/url?id=' # 下载音乐网址前缀
# 下载音乐url = 网址前缀 + 音乐id
for data in id_list:
    href = data.xpath('./@href')[0]
    music_id = href.split('=')[1] # 音乐id
    music_url = base_url + music_id # 下载音乐url
    music_name = data.xpath('./text()')[0] # 下载音乐名称
    music = requests.get(url = music_url)
    # 将下载的音乐以文件形式保存下来
    with open('./music/%s.mp3' % music_name, 'wb') as file:
         file.write(music.content)
         print('<%s>下载成功' % music_name)

遇到的坑

以上的方法我是从一个视频里学到的,那个视频是半年前出的,可能当时这种方法还好使,但是今天我在用这种方法下载音乐文件的时候突然就报错了。

首先,编辑器报错找不到music_namemusic_id,我仔细一看,获取的id_list集合里(也就是标签集合里)的id根本不是id,是代码,估计在这里音乐网站也做了相应的反扒机制。

其次,我自己在网站里找到了一首音乐获取了它的id并把id赋值给music_id,结果当用外链下载音乐时报错460,显示网络拥挤,估计下载音乐的网址也不好使了。

base_url = 'http://music.163.com/song/media/outer/url?id='
music_id = '1804320463.mp3'
music_url = base_url + music_id
music = requests.get(url=music_url)
print(music.text)

{"msg":"网络太拥挤,请稍候再试!","code":-460,"message":"网络太拥挤,请稍候再试!"}e

最后,我打印出music_url,点击进去,还是可以听歌和下载的,不知道这是为什么了

base_url = 'http://music.163.com/song/media/outer/url?id='
music_id = '1804320463.mp3'
music_url = base_url + music_id
# music = requests.get(url=music_url)
print(music_url)

music.163.com/song/media/…

总结

现在的网站技术更新太快,很多网站都有了高级反爬机制,毕竟嘛,有些东西还是不能随随便便就给你的,我写这篇文章主要是跟大家分享一下我学习python爬虫时的一些经验,同时,我也想请教各位大神,像遇到了我这种问题了,我应该怎么办才能将这个网站的音乐文件爬到我的本地电脑里,还请各大神指点一二。