Python爬虫爬取网易云的音乐(学习笔记)
在开始之前，做一点小小的说明哈：
- 我只是一个python爬虫爱好者，如果本文有侵权，请联系我删除！
- 本文需要有简单的python爬虫基础，主要用到两个爬虫模块（都是常规的）
- requests模块
- selenium模块
- 建议使用谷歌浏览器，方便进行抓包和数据获取。
- 昨晚我女朋友（@羊羊羊）很辛苦的写了一篇CSDN博客，看起来非常炫酷，所以我也想写一篇，然后让她给我点个赞；思来想去我就写一篇关于爬虫的吧，希望对您有所帮助！
Part1 进行网页分析
首先打开网易云的网页版网易云
然后搜索歌曲，这里我就搜索一首锦零的“空山新雨后”
这时我们来观察网页的url，可以发现s=后面就是我们搜索的关键字
当我们换一首歌，会发现也是这样的，正好验证了我们的想法
所以下一步让我们点进去一首歌，然后进行播放，看看能否直接获取音乐文件的url，如果能，那么直接对url进行requests.get访问，我们就能拿到.mp3文件了
点进第一首“空山新雨后”，我们可以看到有一个“生成外链播放器”
看到这个，我心中一阵激动，仿佛就要大功告成；于是我满怀开心的点了一下，结果。。。
好吧，不过我们不能放弃，来我们分析一下网页
但当我们定位到两个最有可能出现外链的地方时，发现什么都没有
不过作为“规格严格，功夫到家”的传承者，我不能放弃啊，于是我又打开了抓包工具
按照常规套路，我们定位到XHR
点击播放后，出现了一大堆东西，我们要做的就是找到其中的content-type为audio一类的包
功夫不负有心人，在寻找了一（亿）会儿后，我找到了
于是我又满怀开心的复制了这个包对应的Request-URL
粘贴后访问这个url，结果非常满意，这就是我一直在找的url
现在我把那个url贴出来
https://m10.music.126.net/20200715163315/a075d787d191f6729a517527d6064f59/ymusic/0552/0f0e/530f/28d03e94478dcc3e0479de4b61d224e9.mp3Part2 编写爬虫程序
接下来就超级简单了
下面的代码是最常规的操作，应该有爬虫基础的都能看懂；如果有不懂的，注释都在上面
#导入requests包
import requests
#进行UA伪装
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.116 Safari/537.36'
}
#指定url
url = 'https://m10.music.126.net/20200715163315/a075d787d191f6729a517527d6064f59/ymusic/0552/0f0e/530f/28d03e94478dcc3e0479de4b61d224e9.mp3'
#调用requests.get方法对url进行访问，和持久化存储数据
audio_content = requests.get(url=url,headers=headers).content
#存入本地
with open('空山新雨后.mp3','wb') as f :
f.write(audio_content)
print("空山新雨后爬取成功！！！")Part3 更高级的
看到这里，你可能会想，为啥根本没用selenium模块呢？能不能直接爬取任何一首我想要的歌，而不用每首都去费心费力的找一个url呢？当然可以哒！
其实网易云在线播放每首歌曲时，都有一个外链地址，这是不会变的，跟每首歌的唯一一个id绑定在一起，每首歌audio文件的url如下：
url = 'http://music.163.com/song/media/outer/url?id=' + 歌曲的id值 + '.mp3'id值的获取也很简单，当我们点进每首歌时，上方会出现对应的网址，那里有id值，如下图：
所以只需把上面程序中的url改成新的url即可
如果还想要更好的体验效果，实现在程序里直接搜索歌曲，拿到id值，就需要用到selenium模块
为什么用selenium而不用xpath或bs4？
因为搜索页面的数据是动态加载出来的，如果直接对搜索页面的网页进行数据解析，就拿不到任何数据；以我目前的技术，就只能想到使用万能的selenium模块，下面大概说明一下步骤：
- 进行selenium无可视化界面设置
from selenium.webdriver.chrome.options import Options
chrome_options = Options()
chrome_options.add_argument('--headless')
chrome_options.add_argument('--disable-gpu')- 导包
import requests
import re
from selenium import webdriver
from time import sleep- 指定歌曲，得到对应搜索页面的url
name = input('请输入歌名：')
url_1 = 'https://music.163.com/#/search/m/?s=' + name + '&type=1'- 获取搜索页面的html文件
#初始化browser对象
browser = webdriver.Chrome(executable_path='chromedriver.exe',chrome_options=chrome_options)
#访问该url
browser.get(url=url_1)
#由于网页中有iframe框架，进行切换
browser.switch_to.frame('g_iframe')
#等待0.5秒
sleep(0.5)
#抓取到页面信息
page_text = browser.execute_script("return document.documentElement.outerHTML")
#退出浏览器
browser.quit()- 用正则模块re匹配html文件中的id值、歌名和歌手
ex1 = '<a.*?id="([0-9]*?)"'
ex2 = '<b.*?title="(.*?)"><span class="s-fc7">'
ex3 = 'class="td w1"><div.*?class="text"><a.*?href=".*?">(.*?)</a></div></div>'
id_list = re.findall(ex1,page_text,re.M)[::2]
song_list = re.findall(ex2,page_text,re.M)
singer_list = re.findall(ex3,page_text,re.M)- 将id值、歌名和歌手封装成一个个元组，写入一个列表中，再进行打印
li = list(zip(song_list,singer_list,id_list))
for i in range(len(li)):
print(str(i+1) + '.' + str(li[i]),end='\n')- 对满意的id值可得到一个url，再用上面的程序对该url进行requests.get方法访问即可
Part4 小结
终究是我才疏学浅，这个找外链进行爬取的方法也存在很多不足，比如不能在线播放的歌曲是无法下载的。
不过写这样一个小程序练练手，对自己能力的提高确是有极大帮助的。
