#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

基于Python开发Windows屏幕控制工具

《基于Python开发Windows屏幕控制工具》在数字化办公时代,屏幕管理已成为提升工作效率和保护眼睛健康的重要环节,本文将分享一个基于Python和PySide6开发的Windows屏幕控制工具,... 目录概述功能亮点界面展示实现步骤详解1. 环境准备2. 亮度控制模块3. 息屏功能实现4. 息屏时间

Python如何去除图片干扰代码示例

《Python如何去除图片干扰代码示例》图片降噪是一个广泛应用于图像处理的技术,可以提高图像质量和相关应用的效果,:本文主要介绍Python如何去除图片干扰的相关资料,文中通过代码介绍的非常详细,... 目录一、噪声去除1. 高斯噪声(像素值正态分布扰动)2. 椒盐噪声(随机黑白像素点)3. 复杂噪声(如伪

Python中图片与PDF识别文本(OCR)的全面指南

《Python中图片与PDF识别文本(OCR)的全面指南》在数据爆炸时代,80%的企业数据以非结构化形式存在,其中PDF和图像是最主要的载体,本文将深入探索Python中OCR技术如何将这些数字纸张转... 目录一、OCR技术核心原理二、python图像识别四大工具库1. Pytesseract - 经典O

基于Linux的ffmpeg python的关键帧抽取

《基于Linux的ffmpegpython的关键帧抽取》本文主要介绍了基于Linux的ffmpegpython的关键帧抽取,实现以按帧或时间间隔抽取关键帧,文中通过示例代码介绍的非常详细,对大家的学... 目录1.FFmpeg的环境配置1) 创建一个虚拟环境envjavascript2) ffmpeg-py

python使用库爬取m3u8文件的示例

《python使用库爬取m3u8文件的示例》本文主要介绍了python使用库爬取m3u8文件的示例,可以使用requests、m3u8、ffmpeg等库,实现获取、解析、下载视频片段并合并等步骤,具有... 目录一、准备工作二、获取m3u8文件内容三、解析m3u8文件四、下载视频片段五、合并视频片段六、错误

Python中提取文件名扩展名的多种方法实现

《Python中提取文件名扩展名的多种方法实现》在Python编程中,经常会遇到需要从文件名中提取扩展名的场景,Python提供了多种方法来实现这一功能,不同方法适用于不同的场景和需求,包括os.pa... 目录技术背景实现步骤方法一:使用os.path.splitext方法二:使用pathlib模块方法三

Python打印对象所有属性和值的方法小结

《Python打印对象所有属性和值的方法小结》在Python开发过程中,调试代码时经常需要查看对象的当前状态,也就是对象的所有属性和对应的值,然而,Python并没有像PHP的print_r那样直接提... 目录python中打印对象所有属性和值的方法实现步骤1. 使用vars()和pprint()2. 使

使用Python和OpenCV库实现实时颜色识别系统

《使用Python和OpenCV库实现实时颜色识别系统》:本文主要介绍使用Python和OpenCV库实现的实时颜色识别系统,这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色(红... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间详解

一文深入详解Python的secrets模块

《一文深入详解Python的secrets模块》在构建涉及用户身份认证、权限管理、加密通信等系统时,开发者最不能忽视的一个问题就是“安全性”,Python在3.6版本中引入了专门面向安全用途的secr... 目录引言一、背景与动机:为什么需要 secrets 模块?二、secrets 模块的核心功能1. 基

python常见环境管理工具超全解析

《python常见环境管理工具超全解析》在Python开发中,管理多个项目及其依赖项通常是一个挑战,下面:本文主要介绍python常见环境管理工具的相关资料,文中通过代码介绍的非常详细,需要的朋友... 目录1. conda2. pip3. uvuv 工具自动创建和管理环境的特点4. setup.py5.