内容简介:Python爬一爬网易云音乐(几万评论)
-
结果
对过程没有兴趣的童鞋直接看这里啦。
评论数大于五万的歌曲排行榜
首先恭喜一下我最喜欢的歌手(之一)周杰伦的《晴天》成为网易云音乐第一首评论数过百万的歌曲!
通过结果发现目前评论数过十万的歌曲正好十首,通过这前十首发现:
- 薛之谦现在真的很火啦~
- 几乎都是男歌手啊,男歌手貌似更受欢迎?(别打我),男歌手中周杰伦、薛之谦、许嵩(这三位我都比较喜欢)几乎占了榜单半壁江山...
- 《Fade》电音强势来袭,很带感哈(搭配炫迈写代码完全停不下来..)
根据结果做了网易云音乐歌单 :
提示: 评论数过五万的歌曲 歌单中个别歌曲由于版权问题暂时下架,暂由其他优秀版本代替。
高能预警:TOP 29 《Lost Rivers》请慎重播放,如果你坚持播放请先看评论...
-
过程
- 观察网易云音乐官网页面HTML结构
首页( http://music.163.com/)
歌单分类页( http://music.163.com/discover/playlist)。
歌单页( http://music.163.com/playlist?id=499518394)
歌曲详情页( http://music.163.com/song?id=109998) - 爬取歌曲的ID
通过观察歌曲详情页的URL,我们发现只要爬取到对应歌曲的ID就可以得到它的详情页URL,而歌曲的信息都在详情页。由此可知只要收集到所有歌曲的ID那么就可以得到所有歌曲的信息啦。而这些ID要从哪里爬呢?从歌单里爬,而歌单在哪爬呢?通过观察歌单页的URL我们发现歌单也有ID,而歌单ID可以从歌单分类页中爬,好了就这样爬最终就能收集到所有歌曲的ID了。 -
通过爬取评论数筛选出符合条件的歌曲
很遗憾的是评论数虽然也在详情页内,但是网易云音乐做了防爬处理,采用AJAX调用评论数API的方式填充评论相关数据,由于异步的特性导致我们爬到的页面中评论数是空,那么我们就找一找这个API吧,通关观察XHR请求发现是下面这个家伙..
响应结果很丰富呢,所有评论相关的数据都有,不过经过观察发现这个API是经过加密处理的,不过没关系...
-
爬取符合条件的歌曲的详细信息(名字,歌手等)
这一步就很简单了,观察下歌曲详情页的HTML很容易就能爬到我们要的名字和歌手信息。
- 观察网易云音乐官网页面HTML结构
-
源码
# encoding=utf8 import requests from bs4 import BeautifulSoup import os, json import base64 from Crypto.Cipher import AES from prettytable import PrettyTable import warnings warnings.filterwarnings("ignore") BASE_URL = 'http://music.163.com/' _session = requests.session() # 要匹配大于多少评论数的歌曲 COMMENT_COUNT_LET = 100000 class Song(object): def __lt__(self, other): return self.commentCount > other.commentCount # 由于网易云音乐歌曲评论采取AJAX填充的方式所以在HTML上爬不到,需要调用评论API,而API进行了加密处理,下面是相关解决的方法 def aesEncrypt(text, secKey): pad = 16 - len(text) % 16 text = text + pad * chr(pad) encryptor = AES.new(secKey, 2, '0102030405060708') ciphertext = encryptor.encrypt(text) ciphertext = base64.b64encode(ciphertext) return ciphertext def rsaEncrypt(text, pubKey, modulus): text = text[::-1] rs = int(text.encode('hex'), 16) ** int(pubKey, 16) % int(modulus, 16) return format(rs, 'x').zfill(256) def createSecretKey(size): return (''.join(map(lambda xx: (hex(ord(xx))[2:]), os.urandom(size))))[0:16] # 通过第三方渠道获取网云音乐的所有歌曲ID # 这里偷了个懒直接从http://grri94kmi4.app.tianmaying.com/songs爬了,这哥们已经把官网的歌曲都爬过来了,省事不少 # 也可以使用getSongIdList()从官方网站爬,相对比较耗时,但更准确 def getSongIdListBy3Party(): pageMax = 1 # 要爬的页数,可以根据需求选择性设置页数 songIdList = [] for page in range(pageMax): url = 'http://grri94kmi4.app.tianmaying.com/songs?page=' + str(page) # print url url.decode('utf-8') soup = BeautifulSoup(_session.get(url).content) # print soup aList = soup.findAll('a', attrs={'target': '_blank'}) for a in aList: songId = a['href'].split('=')[1] songIdList.append(songId) return songIdList # 从官网的 发现-> 歌单 页面爬取网云音乐的所有歌曲ID def getSongIdList(): pageMax = 1 # 要爬的页数,目前一共42页,爬完42页需要很久很久,可以根据需求选择性设置页数 songIdList = [] for i in range(1, pageMax + 1): url = 'http://music.163.com/discover/playlist/?order=hot&cat=全部&limit=35&offset=' + str(i * 35) url.decode('utf-8') soup = BeautifulSoup(_session.get(url).content) aList = soup.findAll('a', attrs={'class': 'tit f-thide s-fc0'}) for a in aList: uri = a['href'] playListUrl = BASE_URL + uri[1:] soup = BeautifulSoup(_session.get(playListUrl).content) ul = soup.find('ul', attrs={'class': 'f-hide'}) for li in ul.findAll('li'): songId = (li.find('a'))['href'].split('=')[1] print '爬取歌曲ID成功 -> ' + songId songIdList.append(songId) # 歌单里难免有重复的歌曲,去一下重复的歌曲ID songIdList = list(set(songIdList)) return songIdList # 匹配歌曲的评论数是否符合要求 # let 评论数大于值 def matchSong(songId, let): url = BASE_URL + 'weapi/v1/resource/comments/R_SO_4_' + str(songId) + '/?csrf_token=' headers = {'Cookie': 'appver=1.5.0.75771;', 'Referer': 'http://music.163.com/'} text = {'username': '', 'password': '', 'rememberLogin': 'true'} modulus = '00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a876aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9d05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b8e289dc6935b3ece0462db0a22b8e7' nonce = '0CoJUm6Qyw8W8jud' pubKey = '010001' text = json.dumps(text) secKey = createSecretKey(16) encText = aesEncrypt(aesEncrypt(text, nonce), secKey) encSecKey = rsaEncrypt(secKey, pubKey, modulus) data = {'params': encText, 'encSecKey': encSecKey} req = requests.post(url, headers=headers, data=data) total = req.json()['total'] if int(total) > let: song = Song() song.id = songId song.commentCount = total return song # 设置歌曲的信息 def setSongInfo(song): url = BASE_URL + 'song?id=' + str(song.id) url.decode('utf-8') soup = BeautifulSoup(_session.get(url).content) strArr = soup.title.string.split(' - ') song.singer = strArr[1] name = strArr[0].encode('utf-8') # 去除歌曲名称后面()内的字,如果不想去除可以注掉下面三行代码 index = name.find('(') if index > 0: name = name[0:index] song.name = name # 获取符合条件的歌曲列表 def getSongList(): print ' ##正在爬取歌曲编号... ##' # songIdList = getSongIdList() songIdList = getSongIdListBy3Party() print ' ##爬取歌曲编号完成,共计爬取到' + str(len(songIdList)) + '首##' songList = [] print ' ##正在爬取符合评论数大于' + str(COMMENT_COUNT_LET) + '的歌曲... ##' for id in songIdList: song = matchSong(id, COMMENT_COUNT_LET) if None != song: setSongInfo(song) songList.append(song) print '成功匹配一首{名称:', song.name, '-', song.singer, ',评论数:', song.commentCount, '}' print ' ##爬取完成,符合条件的的共计' + str(len(songList)) + '首##' return songList def main(): songList = getSongList() # 按评论数从高往低排序 songList.sort() # 打印结果 table = PrettyTable([u'排名', u'评论数', u'歌曲名称', u'歌手']) for index, song in enumerate(songList): table.add_row([index + 1, song.commentCount, song.name, song.singer]) print table print 'End' if __name__ == '__main__': main()
学习过程中遇到什么问题或者想获取学习资源的话,欢迎加入学习交流群
626062078,我们一起学Python!
以上所述就是小编给大家介绍的《Python爬一爬网易云音乐(几万评论)》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- Python爬一爬网易云音乐(几万评论)
- music-dl:从网易云音乐、QQ 音乐、酷狗音乐、虾米音乐等搜索和下载歌曲(Python)
- 中央音乐学院首招音乐人工智能博士!研究 AI + 音乐,他们是认真的
- Python 创作音乐: 计算机创作,计算音乐
- 12 - 评论
- 12 - 评论
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
流畅的Python
[巴西] Luciano Ramalho / 安道、吴珂 / 人民邮电出版社 / 2017-5-15 / 139元
【技术大咖推荐】 “很荣幸担任这本优秀图书的技术审校。这本书能帮助很多中级Python程序员掌握这门语言,我也从中学到了相当多的知识!”——Alex Martelli,Python软件基金会成员 “对于想要扩充知识的中级和高级Python程序员来说,这本书是充满了实用编程技巧的宝藏。”——Daniel Greenfeld和Audrey Roy Greenfeld,Two Scoops ......一起来看看 《流畅的Python》 这本书的介绍吧!