利用Python爬虫爬取网站音乐遇到的坑

 前言

最近我想在网站上下载几首音乐放到我的u盘里听，但是上网上一找，各大音乐网站下载歌曲（尤其是好听的歌曲）都需要vip。

对于像我这样的穷人来说，肯定是不会花几十块钱去下载几首音乐啦，而且作为程序员，充钱去下载音乐那也是不可能的，于是我花了一天时间，上网找了各种资料来学习一下怎样才能不花钱白嫖到网站上的音乐。

当然，方法还是有很多种的，最后我还是选择了一种最简单，最方便的一种方法： python爬虫。下面，我就跟大家分享一下我在用python爬虫时遇到的坑。

下面，我以爬取某易云音乐为例，介绍一下我时如何学习python爬虫的：

思路:

•  音乐从哪里来？---网站的服务器里
•  怎么从网址里得到音乐？---向网站发起网络请求
•  删选音乐文件
•  下载音乐文件

具体实现

1.引入发送网络请求的第三方库

import requests # 发送网络请求的第三方库 

安装方法

pip install requests 

2.引入数据解析第三方库

from lxml import etree # 数据解析第三方库 

安装方法

pip install lxml 

3.某易云音乐网站列表url为'https://music.163.com/#/discover/toplist?id=3778678'

url = 'https://music.163.com/#/discover/toplist?id=3778678' 

4.发送请求获取页面数据

response = requests.get(urlurl=url) # 请求页面数据 

5.解析数据

html=etree.HTML(response.text) # 解析页面数据 

6.获取所有歌曲标签集合（ a标签 ）

id_list = html.xpath('//a[contains(@href,"song?")]')  # 所有歌曲id集合 

7.下载歌曲

base_url = 'http://music.163.com/song/media/outer/url?id=' # 下载音乐网址前缀  
# 下载音乐url = 网址前缀 + 音乐id  
for data in id_list:  
    href = data.xpath('./@href')[0]  
    music_id = href.split('=')[1] # 音乐id  
    music_url = base_url + music_id # 下载音乐url  
    music_name = data.xpath('./text()')[0] # 下载音乐名称  
    music = requests.get(url = music_url)  
    # 将下载的音乐以文件形式保存下来  
    with open('./music/%s.mp3' % music_name, 'wb') as file:  
         file.write(music.content)  
         print('<%s>下载成功' % music_name) 

遇到的坑

以上的方法我是从一个视频里学到的，那个视频是半年前出的，可能当时这种方法还好使，但是今天我在用这种方法下载音乐文件的时候突然就报错了。

首先，编辑器报错找不到 music_name 和 music_id ,我仔细一看，获取的id_list集合里（也就是标签集合里）的id根本不是id，是代码，估计在这里音乐网站也做了相应的反扒机制。

其次，我自己在网站里找到了一首音乐获取了它的id并把id赋值给music_id，结果当用外链下载音乐时报错460，显示网络拥挤，估计下载音乐的网址也不好使了。

base_url = 'http://music.163.com/song/media/outer/url?id='  
music_id = '1804320463.mp3'  
music_url = base_url + music_id  
music = requests.get(url=music_url)  
print(music.text) 

{"msg":"网络太拥挤，请稍候再试！","code":-460,"message":"网络太拥挤，请稍候再试！"}

最后，我打印出music_url,点击进去，还是可以听歌和下载的，不知道这是为什么了

base_url = 'http://music.163.com/song/media/outer/url?id='  
music_id = '1804320463.mp3'  
music_url = base_url + music_id  
# music = requests.get(url=music_url)  
print(music_url) 

music.163.com/song/media/…

总结

现在的网站技术更新太快，很多网站都有了高级反爬机制，毕竟嘛，有些东西还是不能随随便便就给你的，我写这篇文章主要是跟大家分享一下我学习python爬虫时的一些经验，同时，我也想请教各位大神，像遇到了我这种问题了，我应该怎么办才能将这个网站的音乐文件爬到我的本地电脑里，还请各大神指点一二。

【责任编辑：庞桂玉 TEL：（010）68476606】
本文转载自网络，原文链接：https://mp.weixin.qq.com/s/NwEfVR7wEUbDHAVtccakRg
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！