码迷,mamicode.com
首页 > 其他好文 > 详细

编写一个网易云音乐爬虫程序

时间:2020-03-08 14:25:41      阅读:98      评论:0      收藏:0      [点我收藏+]

标签:次数   flexgrid   前缀   makedirs   获取   接口   dal   没有   www   

本次借助wxPython编写一个网易云音乐的爬虫程序,能够根据一个歌单链接下载其下的所有音乐

前置说明

网易云音乐提供了一个下载接口:http://music.163.com/song/media/outer/url?id=xxx

所以只需要拿到歌单中每首歌曲对应的 id 即可

1.分析歌单网页元素

打开网易云音乐,复制一个歌单链接

技术图片

 打开chrome,查看网页元素

这里有个细节,我们拿到的歌单url中有一个符号“/#”,因为之前爬虫其他网站时,也是直接请求初始url,一般Elements标签中的内容就是response返回的内,所以刚开始我一直在请求这个url,但是发现这次返回的内容总是不对,响应内容和页面元素不一致;

后来切换到Network标签下的Doc菜单查看具体发送了哪些请求,如下图标记所示,实际有效请求的url中没有 "/#" 这个符号,所以后面在定义初始url时,需要把这部分字符串替换掉

技术图片

 要提取的元素如下

(1)提取歌曲名称     (2)提起歌曲对应的id(下载歌曲时需要使用)

技术图片

 2.解析响应内容

获取到歌单页面的响应内容后,下一步就是提取出想要的内容,方法有很多种,如BeautifulSoup、XPATH、pyquery、正则表达式

这次使用正则表达式提取,这里我提取了歌单名称、歌曲id、歌曲名称,如下

 1     def parse_html(self, request_url):
 2         """解析歌单页面,提取元素"""
 3         global headers
 4         html_text = self.get_html_text(url=request_url, header=headers, method="get")  # 调用get_html_text()方法,获取歌单页面响应内容
 5         # print(html_text)
 6 
 7         ###########使用正则表达式提取歌单名称、歌曲名称以及歌曲id############
 8         try:
 9             title = re.search(r<title>(.*?) -.*?</title>, html_text).group(1)  # 匹配歌单名称
10             # print(title)
11 
12 
13             pattern_1 = re.compile(r<li><a.*?id=(\d+)"> # 匹配歌曲id
14                                  r(.*?)</a>, re.S)  # 匹配歌曲名称
15             musics = pattern_1.findall(html_text) # 查找所有结果,每组数据以一个元组形式,组成一个列表格式返回
16             # print(musics)
17             music_list = {
18                 "title": title,
19                 "music_list": musics
20             }
21             return music_list
22         except Exception as e:
23             print("请求歌单UR了出错,检查url是否正确,报错信息为:", e)        

 3. 构造程序界面

因为这次要做一个界面程序,实现如下要求

  • 能够自定义选择保存路径
  • 在界面输入歌单url后,可以直接爬取其下歌曲
  • 下载过程能够展示在界面中

以前写的几个界面工具都是用的python自带的tkinter,这次试着用一下wxPython,看下效果如何

(1)确保自己的电脑中安装了wxPython,这一步略过,贴几个学习网站

痞子衡嵌入式:极易上手的可视化wxPython GUI构建工具(wxFormBuilder) - 痞子衡 - 博客园

WxPython-易百教程

(2)下载安装wxFormBuilder

这是一个可视化的GUI布局工具,并且可以生成对应的python代码

当然也可以通过一个一个的敲代码把界面布局搞好,但是如果元件过多的话,这种方式还是比较麻烦,相对来说还是觉界面拖拽布局比较直观

(3)界面布局

先来看下最终的效果

技术图片

 第一步

打开wxFormBuilder,新建一个project,切换到Forms标签,新建一个Frame

技术图片

 Frame是这个界面的主界面,可以在右侧属性栏修改一些属性,如大小、背景色

title表示工具栏显示的名称

技术图片

 下划至wxWindow有一个bg属性,可以改变背景色,其他诸如窗口大小等也是在wxWindow下的size属性修改,可以自行探索

技术图片

 第二步

有了Frame后,还需要添加Layout,它的意思是规定了按钮、输入框、文本框等这些元件如何在界面中布局,给它们划定了位置,没有添加Layout的话,是不能添加那些元件的

常用的有wxBoxSizer、wxStaticBoxSizer、wxGridBoxSizer、wxFlexGridBoxSizer等,可以通过组合这些不同的布局方式形成多样化的展示页面(我也是边做边摸索,刚开始学弄的不太美观,别介意.....)

技术图片

 第三步

开始添加控件,如静态文本展示框、文本框、按钮、路径选择控件

切换到Common标签,可以在这里面添加文本框和按钮

技术图片

 技术图片

 (1)按钮一般需要绑定事件,点击触发对应的操作,可以先在右侧Events菜单定义事件名称(也就是函数名),后面在写功能代码时补充即可

技术图片

(2)静态文本wxStaticText,我一般用来展示一些说明性的文字

这里有一点很厉害,可以给文本设置字体,如果你的电脑字库中安装了某些字体,可以直接选择展示(注意的是如果把程序拷贝到其他电脑,如果没有对应字体的话,会看不到效果的)

技术图片

 (3)文本框wxTextCtrl,用来设置输入框、输出框

例如可以设置一个文本框来接收输入的歌单url,或者用来把代码运行日志展示在文本框 ,同样的,它也可以设置文本框展示文字的字体和大小;

另外如果当做输出框展示的话,一般会把文本框设置的大一些,同时,希望能够随着文本增加自动往下滚动(就是滚动条)

勾选右侧属性栏-window_style中的wxVSCROLL,可以添加垂直方向滚动条;勾选wxHSCROLL可以添加横向滚动条

技术图片

 另外如果想换行展示文本,可以通过style中的 wxTE_CHARWRAP和wxTE_MULTILINE来实现,它可以识别输出文本中的换行符,实现换行效果

技术图片

 (4)下拉菜单wxComboBox,它可以实现下拉菜单的功能,自定义几个选项

技术图片

 (5)路径选择框,wxpython也提供了路径选择控件,可以直接使用

技术图片

  4. 将界面布局代码拷贝到python中

 在进行页面布局的过程中,会实时在Bditor中的python下生成对应的python代码

技术图片

 接下来需要做2件事情

(1)打开pycharm新建一个py文件,比如新建一个Net_Music_GUI.py,然后把wxFormBuilder生成的代码拷贝这个文件中

这样做的目的是保持页面布局代码的独立性,方便后续调整页面布局

(2)再次新建一个py文件,比如新建一个download_music.py,这个文件是最终执行的文件,在这里面新建一个类并继承Net_Music_GUI.py中的MyFrame1类

这样的话就可以使用页面布局了

5.完善download_music.py

这里说的完善,一是要继承之前的创建好的页面布局代码,二是柔和爬虫功能代码,三是补充之前定义的按钮绑定事件

之前定义了3个按钮,下面是对应的事件回调代码

 1     def download(self, event):
 2         """定义下载按钮回调方法"""
 3         url =self.m_textCtrl1.GetValue().replace("/#", "") # 拿到url输入框的值,并去掉url中的/#符号
 4 
 5         if url:
 6             print(url)
 7             self.download_music(url)
 8         else:
 9             self.m_textCtrl1.SetValue("请输入url")
10 
11     def reset(self, event):
12         """定义清空url输入框内容方法"""
13         self.m_textCtrl1.Clear()
14 
15     def clear(self, event):
16         """定义清空日志输出框的方法"""
17         self.m_textCtrl2.Clear()

还有一点需要说一下,因为是自定义保存路径,所以需要拿到界面工具自选的路径

wxDirPickerCtrl有一个方法 GetPath(),可以获取当前显示的路径值

root_dir = self.m_dirPicker1.GetPath() # 获取GUI界面自定义选择的路径

贴一下完整代码

Net_Music_GUI.py

技术图片
  1 # -*- coding: utf-8 -*-
  2 
  3 ###########################################################################
  4 ## Python code generated with wxFormBuilder (version Jun 17 2015)
  5 ## http://www.wxformbuilder.org/
  6 ##
  7 ## PLEASE DO "NOT" EDIT THIS FILE!
  8 ###########################################################################
  9 
 10 import wx
 11 import wx.xrc
 12 
 13 
 14 ###########################################################################
 15 ## Class MyFrame1
 16 ###########################################################################
 17 
 18 class MyFrame1(wx.Frame):
 19     def __init__(self, parent):
 20         wx.Frame.__init__(self, parent, id=wx.ID_ANY, title=u"网易云音乐爬虫程序-by 我是冰霜", pos=wx.DefaultPosition,
 21                           size=wx.Size(579, 592), style=wx.DEFAULT_FRAME_STYLE | wx.TAB_TRAVERSAL)
 22 
 23         self.SetSizeHints(wx.DefaultSize, wx.DefaultSize)
 24         self.SetForegroundColour(wx.SystemSettings.GetColour(wx.SYS_COLOUR_BTNTEXT))
 25         self.SetBackgroundColour(wx.SystemSettings.GetColour(wx.SYS_COLOUR_WINDOW))
 26 
 27         bSizer1 = wx.BoxSizer(wx.VERTICAL)
 28 
 29         self.m_staticText1 = wx.StaticText(self, wx.ID_ANY, u"请输入歌单链接", wx.DefaultPosition, wx.DefaultSize, 0)
 30         self.m_staticText1.Wrap(-1)
 31         self.m_staticText1.SetFont(wx.Font(15, 70, 90, 90, False, "站酷小薇LOGO体"))
 32         self.m_staticText1.SetForegroundColour(wx.SystemSettings.GetColour(wx.SYS_COLOUR_BTNTEXT))
 33         self.m_staticText1.SetBackgroundColour(wx.SystemSettings.GetColour(wx.SYS_COLOUR_WINDOW))
 34 
 35         bSizer1.Add(self.m_staticText1, 0, wx.ALIGN_CENTER_HORIZONTAL | wx.ALL, 5)
 36 
 37         self.m_textCtrl1 = wx.TextCtrl(self, wx.ID_ANY, wx.EmptyString, wx.DefaultPosition, wx.Size(500, 30), 0)
 38         self.m_textCtrl1.SetFont(wx.Font(12, 70, 90, 90, False, wx.EmptyString))
 39 
 40         bSizer1.Add(self.m_textCtrl1, 0, wx.ALIGN_CENTER_HORIZONTAL | wx.ALL | wx.EXPAND, 5)
 41 
 42         self.m_dirPicker1 = wx.DirPickerCtrl(self, wx.ID_ANY, wx.EmptyString, u"Select a folder", wx.DefaultPosition,
 43                                              wx.Size(300, -1), wx.DIRP_DEFAULT_STYLE)
 44         bSizer1.Add(self.m_dirPicker1, 0, wx.ALIGN_CENTER_HORIZONTAL | wx.ALL | wx.EXPAND, 5)
 45 
 46         self.m_panel2 = wx.Panel(self, wx.ID_ANY, wx.DefaultPosition, wx.DefaultSize, wx.TAB_TRAVERSAL)
 47         gSizer1 = wx.GridSizer(0, 2, 0, 0)
 48 
 49         self.m_button1 = wx.Button(self.m_panel2, wx.ID_ANY, u"下载", wx.DefaultPosition, wx.DefaultSize, 0)
 50         self.m_button1.SetFont(wx.Font(12, 70, 90, 90, False, "站酷小薇LOGO体"))
 51 
 52         gSizer1.Add(self.m_button1, 0, wx.ALIGN_CENTER_HORIZONTAL | wx.ALL, 5)
 53 
 54         self.m_button2 = wx.Button(self.m_panel2, wx.ID_ANY, u"重置", wx.DefaultPosition, wx.DefaultSize, 0)
 55         self.m_button2.SetFont(wx.Font(12, 70, 90, 90, False, "站酷小薇LOGO体"))
 56 
 57         gSizer1.Add(self.m_button2, 0, wx.ALIGN_CENTER_HORIZONTAL | wx.ALL, 5)
 58 
 59         self.m_panel2.SetSizer(gSizer1)
 60         self.m_panel2.Layout()
 61         gSizer1.Fit(self.m_panel2)
 62         bSizer1.Add(self.m_panel2, 1, wx.ALL | wx.EXPAND, 5)
 63 
 64         sbSizer1 = wx.StaticBoxSizer(wx.StaticBox(self, wx.ID_ANY, u"结果展示区"), wx.VERTICAL)
 65 
 66         self.m_button6 = wx.Button(sbSizer1.GetStaticBox(), wx.ID_ANY, u"清空", wx.DefaultPosition, wx.DefaultSize, 0)
 67         self.m_button6.SetFont(wx.Font(12, 70, 90, 90, False, "站酷小薇LOGO体"))
 68 
 69         sbSizer1.Add(self.m_button6, 0, wx.ALL, 5)
 70 
 71         self.m_textCtrl2 = wx.TextCtrl(sbSizer1.GetStaticBox(), wx.ID_ANY, wx.EmptyString, wx.DefaultPosition,
 72                                        wx.Size(500, 600), wx.TE_CHARWRAP | wx.TE_MULTILINE | wx.VSCROLL)
 73         self.m_textCtrl2.SetFont(wx.Font(12, 70, 90, 90, False, "杨任东竹石体-Regular"))
 74         self.m_textCtrl2.SetBackgroundColour(wx.SystemSettings.GetColour(wx.SYS_COLOUR_HIGHLIGHTTEXT))
 75 
 76         sbSizer1.Add(self.m_textCtrl2, 0, wx.ALIGN_CENTER_HORIZONTAL | wx.ALL | wx.EXPAND, 5)
 77 
 78         bSizer1.Add(sbSizer1, 1, wx.EXPAND, 5)
 79 
 80         self.SetSizer(bSizer1)
 81         self.Layout()
 82 
 83         self.Centre(wx.BOTH)
 84 
 85         # Connect Events
 86         self.m_dirPicker1.Bind(wx.EVT_DIRPICKER_CHANGED, self.select_path)
 87         self.m_button1.Bind(wx.EVT_BUTTON, self.download)
 88         self.m_button2.Bind(wx.EVT_BUTTON, self.reset)
 89         self.m_button6.Bind(wx.EVT_BUTTON, self.clear)
 90 
 91     def __del__(self):
 92         pass
 93 
 94     # Virtual event handlers, overide them in your derived class
 95     def select_path(self, event):
 96         event.Skip()
 97 
 98     def download(self, event):
 99         event.Skip()
100 
101     def reset(self, event):
102         event.Skip()
103 
104     def clear(self, event):
105         event.Skip()
View Code

download_music.py

技术图片
  1 # coding: utf-8
  2 """
  3 author: 我是冰霜
  4 describe: 爬虫网易云音乐歌单
  5 create_time: 2020/03/07
  6 """
  7 
  8 from common.Net_music_GUI import MyFrame1
  9 import wx
 10 import requests
 11 import re
 12 import os
 13 import time
 14 from requests.exceptions import RequestException
 15 
 16 
 17 base_url = "http://music.163.com/song/media/outer/url?id=" # 定义一个全局变量,该链接为下载url前缀,id为歌曲唯一的id值
 18 headers={
 19         "authority": "music.163.com",
 20         "method": "GET",
 21         "path": "/",
 22         "scheme": "https",
 23         "accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3",
 24         "accept-encoding": "gzip,deflate,br",
 25         "accept-language": "zh-CN,zh;q=0.9",
 26         "cache-control": "max-age=0",
 27         "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.157 Safari/537.36"
 28     }
 29 
 30 class NetMusic(MyFrame1):
 31 
 32     @staticmethod
 33     def get_html_text(url, data=None, header=None, method=None, cookies=None):
 34         """获取一个url的html格式文本内容"""
 35 
 36         if method == "get":
 37             response = requests.get(url=url, params=data, headers=header, cookies=cookies, timeout=10)
 38         else:
 39             response = requests.post(url=url, data=data, headers=header, cookies=cookies, timeout=10)
 40         try:
 41             if response.status_code == 200:
 42                 response.encoding = response.apparent_encoding
 43                 # print(response.status_code)
 44                 # print(response.text)
 45                 return response.text
 46             return None
 47         except RequestException:
 48             print("请求失败")
 49             return None
 50 
 51     @staticmethod
 52     def get_content(url):
 53         """请求最终下载文件的url,返回二进制内容"""
 54         # print("正在下载", url)
 55         try:
 56             r = requests.get(url, timeout=10)
 57             if r.status_code == 200:
 58                 return r.content
 59             else:
 60                 print("请求连接失败,url为:%s" % url)
 61         except RequestException:
 62             return None
 63 
 64     def parse_html(self, request_url):
 65         """解析歌单页面,提取元素"""
 66         global headers
 67         html_text = self.get_html_text(url=request_url, header=headers, method="get")  # 调用get_html_text()方法,获取歌单页面响应内容
 68         # print(html_text)
 69 
 70         ###########使用正则表达式提取歌单名称、歌曲名称以及歌曲id############
 71         try:
 72             title = re.search(r<title>(.*?) -.*?</title>, html_text).group(1)  # 匹配歌单名称
 73             # print(title)
 74 
 75 
 76             pattern_1 = re.compile(r<li><a.*?id=(\d+)"> # 匹配歌曲id
 77                                  r(.*?)</a>, re.S)  # 匹配歌曲名称
 78             musics = pattern_1.findall(html_text) # 查找所有结果,每组数据以一个元组形式,组成一个列表格式返回
 79             # print(musics)
 80             music_list = {
 81                 "title": title,
 82                 "music_list": musics
 83             }
 84             return music_list
 85         except Exception as e:
 86             print("请求歌单UR了出错,检查url是否正确,报错信息为:", e)
 87 
 88     def download_music(self, music_url):
 89         """下载文件至本地"""
 90 
 91         global base_url
 92 
 93         root_dir = self.m_dirPicker1.GetPath() # 获取GUI界面自定义选择的路径
 94             # os.path.dirname(os.path.abspath(‘.‘)) # 表示获取当前文件所在目录的上一级目录
 95         """
 96         os.path.abspath(‘.‘), 获取当前文件所在路径;
 97         os.path.dirname(path),返回path的目录;
 98         """
 99         music_data = self.parse_html(music_url)  # 调用parse_html()方法,获取歌单页面解析出来的数据
100 
101         title = music_data["title"]  # 获取歌单名称
102         # print(title)
103         if not os.path.exists(root_dir + /music):
104             os.makedirs(root_dir + /music)  # 在上一级目录下新建一个music文件夹
105         if not os.path.exists(root_dir + "/music/" + title):
106             os.makedirs(root_dir + "/music/" + title) # 在music下新建一个歌单目录
107         # print(root_dir)
108 
109         music_list = music_data["music_list"]
110         # print(music_list)
111         i = 1  # 标记位,表示第i首音乐
112         j = 0  # 标记位,表示下载成功总个数
113         k = 0  # 标记位,表示下载失败总个数
114         # print(len(music_list)) # 获取歌单包含音乐总数
115         print("当前歌单共有{}首音乐,开始下载******".format(len(music_list)))
116         for music in music_list:
117 
118             music_url = base_url + music[0]
119             music_name = music[1]
120             try:
121                 file_path = root_dir + "/music/" + title + / + music_name + ".mp3"
122                 # print(mote_pics_collection_path + ‘/‘ + img.split(‘/‘)[-1])
123                 if not os.path.exists(file_path):  # 判断是否存在文件,不存在则爬取
124                     print("正在下载第{}首音乐:{}".format(i, ""+ music_name +""))
125                     self.m_textCtrl2.AppendText("正在下载第{}首音乐:{}{}".format(i, ""+ music_name +"", "\n"))  # 把日志追加到界面程序显示
126                     # print(self.get_content(music_url))
127                     try:
128                         with open(file_path, wb) as f:
129                             f.write(self.get_content(music_url))
130                             f.close()
131                         i = i+1
132                         j = j+1
133 
134                     except Exception as e:
135                         print("遇到错误:", e)
136                         print("第{}首下载失败,对应的歌曲url为:{}".format(i, music_url))
137                         self.m_textCtrl2.AppendText("第{}首下载失败,对应的歌曲url为:{}{}".format(i, music_url, "\n"))
138                         i = i+1
139                         k = k+1
140 
141                 elif os.path.exists(file_path):
142                     if os.path.getsize(file_path):
143                         print("文件夹已经包含第{}首音乐:{}+{}".format(i, ""+ music_name +"", "\n"))
144                         self.m_textCtrl2.AppendText("文件夹已经包含第{}首音乐:{}{}".format(i, ""+ music_name +"", "\n"))
145                         i = i + 1
146                     else:
147                         print("第{}首下载失败,对应的歌曲url为:{}".format(i, music_url))
148                         self.m_textCtrl2.AppendText("第{}首下载失败,对应的歌曲url为:{}{}".format(i, music_url, "\n"))
149                         i = i + 1
150                         k = k+1
151 
152 
153             except FileNotFoundError as e:
154                 j = j + 1
155                 print("遇到错误:", e)
156                 continue
157 
158         print("下载失败 %s 首" % k)
159         print("下载成功 %s 首" % j)
160 
161 
162     def download(self, event):
163         """定义下载按钮回调方法"""
164         url =self.m_textCtrl1.GetValue().replace("/#", "") # 拿到url输入框的值,并去掉url中的/#符号
165 
166         if url:
167             print(url)
168             self.download_music(url)
169         else:
170             self.m_textCtrl1.SetValue("请输入url")
171 
172     def reset(self, event):
173         """定义清空url输入框内容方法"""
174         self.m_textCtrl1.Clear()
175 
176     def clear(self, event):
177         """定义清空日志输出框的方法"""
178         self.m_textCtrl2.Clear()
179 
180 if __name__ == __main__:
181     app = wx.App()
182     main_win = NetMusic(None)
183     main_win.Show()
184     app.MainLoop()
View Code

 看一下最后的效果

技术图片


 备注:

到这一步还未结束,这里有个坑,因为这两天爬取次数过多,发现ip会暂时被封,所以这个程序用几次后就啥也爬不到了

所以后面得学一下如何添加ip代理池~

 

编写一个网易云音乐爬虫程序

标签:次数   flexgrid   前缀   makedirs   获取   接口   dal   没有   www   

原文地址:https://www.cnblogs.com/hanmk/p/12438842.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!