#python爬取音乐网站

2023-11-21 19:50
文章标签 python 爬取 音乐网站

本文主要是介绍#python爬取音乐网站,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

今天学习了网上一段爬取音乐的代码,自己也作了些微改动是它能顺便爬取歌词,并整理了些知识点(对刚接触几天的自己确实是知识点)完整代码如下:

#!/usr/bin/python
# _*_ coding: utf-8 _*_
from bs4 import BeautifulSoup
import re
import requests
import json
import urllib2,urllib
import osminimumsize = 1
def getlist(url):r = requests.get(url)content = r.contentcontent = content.decode('utf-8')#print contentsoup = BeautifulSoup(content,'lxml')#mm = soup.find_all('span',class_='song-title')[0]mm=soup.find_all('span',class_='song-title')mms = mmi = 0for m in  mm:mm[i] = m.contents[0]#获取span后第一个标签i+=1return mmurl = "http://music.baidu.com/songlist/365418600"
list = getlist(url)for value in list:url = 'http://sug.music.baidu.com/info/suggestion'payload = {'word': value.get_text(), 'version': '2', 'from': '0'}#根据百度音乐API编写print "Song Name: " + value.get_text()#value.get_text()获取a标签内的内容r = requests.get(url, params=payload)contents = r.text#print contentsd = json.loads(contents, encoding="utf-8")#print dif('data' not in d):print "do not have flac\n"continueif('song' not in d["data"]):print "do not have flac\n"continuesongid = d["data"]["song"][0]["songid"]#print "Song ID: " + songidurl = 'http://play.baidu.com/data/cloud/songlink'payload = {'songIds': songid, 'type': 'mp3'}r = requests.get(url, params=payload)contents = r.textd = json.loads(contents, encoding="utf-8")#print dif d is not None and 'data' not in d or d['data'] == '':continuesonglink = d["data"]["songList"][0]["songLink"]lrcLink =d["data"]["songList"][0]["lrcLink"]print "lrc:"+lrcLinkif(len(songlink) < 10):print "do not have flac\n"continue#print "Song Source: " + songlink + "\n"songdir = "mm"#存放文件夹名称songdir_lrc = 'lrc'if not os.path.exists(songdir):#判断是否存在该文件夹os.makedirs(songdir)if not os.path.exists(songdir_lrc):#判断是否存在该文件夹os.makedirs(songdir_lrc)songname = d["data"]["songList"][0]["songName"]artistName = d["data"]["songList"][0]["artistName"]filename = "./" + songdir + "/" + songname + "-" + artistName + ".mp3"filename_lrc ="./"+songdir+"/"+songdir_lrc+"/"+ songname + "-" + artistName + ".lrc"f = urllib2.urlopen(songlink)headers = requests.head(songlink).headers#print headerssize = int(headers['Content-Length']) / (1024 ** 2)#print size#歌曲大小if not os.path.isfile(filename) or os.path.getsize(filename) < minimumsize:print "%s is downloading now ......\n" % songnamewith open(filename, "wb") as code:code.write(f.read())else:print "%s is already downloaded. Finding next song...\n\n" % songnameif  len(lrcLink) <8:print '歌词不存在'continuef_lrc = urllib2.urlopen(lrcLink)if not os.path.isfile(filename_lrc) :print "%s .lrc is downloading now ......\n" % songnamewith open(filename_lrc, "wb") as code:code.write(f_lrc.read())else:print "%s .lrc is already downloaded. Finding next song...\n\n" % songname
print "\n+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++\n"
print "finish!"
# print list

百度音乐api搜索方式:
1.搜索建议
请求地址(GET):http://sug.music.baidu.com/info/suggestion
参数:
format : ‘json’ (照写就可以)
word : ” (搜索关键词,支持拼音、拼音简写)
version : 2(照写)
from : 0(照写)
作用:
获取歌曲id(通过id获取歌曲信息)
获取歌曲名称
获取歌手名称
获取歌手图片(小图)
2请求地址(POST):http://play.baidu.com/data/cloud/songlink
参数:
songIds : ”(要获取的歌曲信息的歌曲编号。可以多个,以逗号分隔)
hq:0
type:m4a,mp3
rate:
pt:0
flag:-1
s2p:-1
prerate:-1
bwt:-1
dur:-1
bat:-1
bp:-1
pos:-1
auto:-1
获取歌曲的lrc歌词地址(歌词地址为相对路径,请加上http://play.baidu.com)

知识点:
(1):requests爬取网页
r = requests.get(url)
content = r.content或contents = r.text
content获得网页内容
(2):获取标签内的无特殊标记的标签
这里写图片描述

   soup = BeautifulSoup(content,'lxml')mm=soup.find_all('span',class_='song-title')i = 0for m in  mm:mm[i] = m.contents[0]#获取span后第一个标签i+=1return mm

mm里是上图的内容,mm是ResultSet,for取出后用m.contents[]取span标签后的html标签
(3)json.loads
重要函数:
编码:把一个Python对象编码转换成Json字符串 json.dumps()
解码:把Json格式字符串解码转换成Python对象 json.loads()
这里写图片描述
另外python解析json的例子

#!/usr/bin/python
import json
#Function:Analyze json script
#Json is a script can descript data structure as xml, 
#for detail, please refer to "http://json.org/json-zh.html".
#Note:
#1.Also, if you write json script from python,
#you should use dump instead of load. pleaser refer to "help(json)".json file:
The file content of temp.json is:
{"name":"00_sample_case1","description":"an example."
}
f = file("temp.json");
s = json.load(f)
print s
f.close
json string:
s = json.loads('{"name":"test", "type":{"name":"seq", "parameter":["1", "2"]}}')
print s
print s.keys()
print s["name"]
print s["type"]["name"]
print s["type"]["parameter"][1]

(4)读写文件的模式

模式描述
r打开一个文件为只读。文件指针置于该文件的开头。这是默认模式。
rb打开一个文件只能以二进制格式读取。文件指针置于该文件的开头。这是默认模式。
r+打开用于读取和写入文件。文件指针将会在文件的开头。
rb+打开用于读取和写入二进制格式的文件。文件指针将会在文件的开头。
w打开一个文件只写。覆盖该文件,如果该文件存在。如果该文件不存在,则创建用于写入一个新的文件。
wb打开一个文件只能以二进制格式写入。覆盖该文件,如果该文件存在。如果该文件不存在,则创建用于写入一个新的文件。
w+打开用于写入和读取的文件。覆盖现有的文件,如果文件存在。如果该文件不存在,则创建读取和写入新的文件。
wb+打开用于写入和读取的二进制格式的文件。覆盖现有的文件,如果文件存在。如果该文件不存在,则创建读取和写入新的文件。
a将打开追加文件。文件指针是在文件的结尾。也就是说,该文件是在附加模式。如果该文件不存在,它创造了写入一个新的文件。
ab将打开追加的二进制格式的文件。文件指针在该文件的结束。也就是说,该文件为追加模式。如果该文件不存在,它创建并写入一个新的文件。
a+打开为追加和读取文件。文件指针在该文件的结束。该文件将为追加模式。如果该文件不存在,它创建并读取和写入的新文件。
ab+打开两个追加和读取的二进制格式的文件。文件指针在该文件的结束。该文件将在追加模式。如果该文件不存在,它创建并读取和写入的新文件。

(5)with语句

 with open(filename_lrc, "wb") as code:code.write(f_lrc.read())

相当于

try:code = open(filename_lrc,'wb')
except:print 'fail to open'exit(-1)
try:code.write(f_lrc.read())
except:finally:f.close()

多个项时:

with open("filename.txt") as fn1, open('filename.txt') as fn2:do something with fn1,fn2

如:

with nested(open('file1'), open('file2'), open('file3')) as (f1,f2,f3):for i in f1:j = f2.readline()k = f3.readline()print(i,j,k)
with open('file1') as f1, open('file2') as f2, open('file3') as f3:for i in f1:j = f2.readline()k = f3.readline()print(i,j,k)

相关链接:
http://www.cnblogs.com/handoing/p/6006242.html
http://blog.chinaunix.net/uid-9525959-id-3074355.html
https://www.hustyx.com/python/119/

这篇关于#python爬取音乐网站的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/404673

相关文章

Python按照24个实用大方向精选的上千种工具库汇总整理

《Python按照24个实用大方向精选的上千种工具库汇总整理》本文整理了Python生态中近千个库,涵盖数据处理、图像处理、网络开发、Web框架、人工智能、科学计算、GUI工具、测试框架、环境管理等多... 目录1、数据处理文本处理特殊文本处理html/XML 解析文件处理配置文件处理文档相关日志管理日期和

Python标准库datetime模块日期和时间数据类型解读

《Python标准库datetime模块日期和时间数据类型解读》文章介绍Python中datetime模块的date、time、datetime类,用于处理日期、时间及日期时间结合体,通过属性获取时间... 目录Datetime常用类日期date类型使用时间 time 类型使用日期和时间的结合体–日期时间(

使用Python开发一个Ditto剪贴板数据导出工具

《使用Python开发一个Ditto剪贴板数据导出工具》在日常工作中,我们经常需要处理大量的剪贴板数据,下面将介绍如何使用Python的wxPython库开发一个图形化工具,实现从Ditto数据库中读... 目录前言运行结果项目需求分析技术选型核心功能实现1. Ditto数据库结构分析2. 数据库自动定位3

Python yield与yield from的简单使用方式

《Pythonyield与yieldfrom的简单使用方式》生成器通过yield定义,可在处理I/O时暂停执行并返回部分结果,待其他任务完成后继续,yieldfrom用于将一个生成器的值传递给另一... 目录python yield与yield from的使用代码结构总结Python yield与yield

python使用Akshare与Streamlit实现股票估值分析教程(图文代码)

《python使用Akshare与Streamlit实现股票估值分析教程(图文代码)》入职测试中的一道题,要求:从Akshare下载某一个股票近十年的财务报表包括,资产负债表,利润表,现金流量表,保存... 目录一、前言二、核心知识点梳理1、Akshare数据获取2、Pandas数据处理3、Matplotl

Django开发时如何避免频繁发送短信验证码(python图文代码)

《Django开发时如何避免频繁发送短信验证码(python图文代码)》Django开发时,为防止频繁发送验证码,后端需用Redis限制请求频率,结合管道技术提升效率,通过生产者消费者模式解耦业务逻辑... 目录避免频繁发送 验证码1. www.chinasem.cn避免频繁发送 验证码逻辑分析2. 避免频繁

精选20个好玩又实用的的Python实战项目(有图文代码)

《精选20个好玩又实用的的Python实战项目(有图文代码)》文章介绍了20个实用Python项目,涵盖游戏开发、工具应用、图像处理、机器学习等,使用Tkinter、PIL、OpenCV、Kivy等库... 目录① 猜字游戏② 闹钟③ 骰子模拟器④ 二维码⑤ 语言检测⑥ 加密和解密⑦ URL缩短⑧ 音乐播放

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

Python pandas库自学超详细教程

《Pythonpandas库自学超详细教程》文章介绍了Pandas库的基本功能、安装方法及核心操作,涵盖数据导入(CSV/Excel等)、数据结构(Series、DataFrame)、数据清洗、转换... 目录一、什么是Pandas库(1)、Pandas 应用(2)、Pandas 功能(3)、数据结构二、安

Python使用Tenacity一行代码实现自动重试详解

《Python使用Tenacity一行代码实现自动重试详解》tenacity是一个专为Python设计的通用重试库,它的核心理念就是用简单、清晰的方式,为任何可能失败的操作添加重试能力,下面我们就来看... 目录一切始于一个简单的 API 调用Tenacity 入门:一行代码实现优雅重试精细控制:让重试按我