Python爬取网易云歌单

目录

• 1. 关键点
• 2. 效果图
• 3. 源代码

1. 关键点

使用单线程爬取，未登录，爬取网易云歌单主要有三个关键点：

• url为https://music.163.com/discover/playlist/?order=hot&cat=%E8%AF%B4%E5%94%B1&limit=35&offset=105
• 网易云使用翻页形式，其特点为url的limit和offset参数
  • limit 表示单页显示的歌单数（修改无效）
  • offset 表示当前页数，即 offset / limit + 1
• 发送get请求时froms与url的参数一样
  • cat 歌单类型，必须将中文转码
  • order 最新或最热
  • limit 与url参数一致
  • offset 与url参数一致

2. 效果图

3. 源代码

#! /usr/bin/python3
# _*_ coding:utf-8 _*_

"""

@ File   :网易歌单爬取.py
@ Author :LiuHeDong
@ Mail   :liuhedong135@163.com
@ Date   :2019-04-15 18:28:48

"""

from urllib import parse
from lxml import etree
from urllib3 import disable_warnings
import requests

class Wangyiyun(object):

    def __init__(self, **kwargs):
        # 歌单的歌曲风格
        self.types = kwargs['types']
        # 歌单的发布类型
        self.years = kwargs['years']
        # 这是当前爬取的页数
        self.pages = pages
        # 这是请求的url参数（页数）
        self.limit = 35
        self.offset = 35 * self.pages - self.limit
        # 这是请求的url
        self.url = "https://music.163.com/discover/playlist/?"


    # 设置请求头部信息(可扩展：不同的User - Agent)
    def set_header(self):
        self.header = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36",
            "Referer": "https://music.163.com/",
            "Upgrade-Insecure-Requests": '1',
        }
        return self.header

    # 设置请求表格信息
    def set_froms(self):
        self.key = parse.quote(self.types)
        self.froms = {
            "cat": self.key,
            "order": self.years,
            "limit": self.limit,
            "offset": self.offset,
        }
        return self.froms

    # 解析代码，获取有用的数据
    def parsing_codes(self):
        page = etree.HTML(self.code)
        # 标题
        self.title = page.xpath('//div[@class="u-cover u-cover-1"]/a[@title]/@title')
        # 作者
        self.author = page.xpath('//p/a[@class="nm nm-icn f-thide s-fc3"]/text()')
        # 阅读量
        self.listen = page.xpath('//span[@class="nb"]/text()')
        # 歌单链接
        self.link = page.xpath('//div[@class="u-cover u-cover-1"]/a[@href]/@href')

        # 打印看看
        for i in zip(self.title, self.link, self.author, self.listen):
            print("[歌单名称]：{}
[发布作者]：{}
[总播放量]：{}
[歌单链接]：{}
".format(i[0],i[2],i[3],"https://music.163.com/"+i[1]))
        print('第{}页'.format(self.pages).center(50,'='))

    # 获取网页源代码
    def get_code(self):
        disable_warnings()
        self.froms['cat']=self.types
        disable_warnings()
        self.new_url = self.url+parse.urlencode(self.froms)
        self.code = requests.get(
            url = self.new_url,
            headers = self.header,
            data = self.froms,
            verify = False,
        ).text

    # 爬取多页时刷新offset
    def multi(self ,page):
        self.offset = self.limit * page - self.limit




if __name__ == '__main__':
    #=======================================
    # 指定一些参数
    # 歌单的歌曲风格
    types = "说唱"
    # 歌单的发布类型:最热=hot，最新=new
    years = "hot"
    # 指定爬取的页数
    pages = 1
    #=======================================

    # =======================================
    # 例子：通过pages变量爬取指定页面（多页）
    music = Wangyiyun(
        types = types,
        years = years,
    )

    for i in range(pages):
        page = i+1              # 因为没有第0页
        music.multi(page)       # 爬取多页时指定，传入当前页数，刷新offset
        music.set_header()      # 调用头部方法，构造请求头信息
        music.set_froms()       # 调用froms方法，构造froms信息
        music.get_code()        # 获取当前页面的源码
        music.parsing_codes()   # 处理源码，获取指定数据
    # =======================================

    #=======================================
    # 例子：通过pages变量爬取指定页面（单页）
    # music = Wangyiyun(
    #     types=types,
    #     years=years,
    # )
    # music.set_header()
    # music.set_froms()
    # music.get_code()
    # music.parsing_codes()
    #=======================================