如何用Python编写爬虫抓取网易云音乐数据？

本文共计918个文字，预计阅读时间需要4分钟。

0. 知识点 + 爬虫基本流程 + 使用requests + 正则表达式的使用

1.第三方库 + requests + pip install requests

2.开发环境 + 版本：Python 3.8 + 编辑器：PyCharm 2021.2

3.模块安装问题 + Win + R + 输入cmd

0、知识点

爬虫基本流程

requests的使用

正则表达式的使用

一、第三方库

requests >>> pip install requests

二、开发环境

版 本： python 3.8

编辑器：pycharm 2021.2

三、模块安装问题

win + R 输入cmd 输入安装命令 pip install 模块名 (如果你觉得安装速度比较慢, 你可以切换国内镜像源)

模块安装问题:

- 如何安装python第三方模块:

1. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车

2. 在pycharm中点击Terminal(终端) 输入安装命令

- 安装失败原因:

- 失败一: pip 不是内部命令

解决方法: 设置环境变量

- 失败二: 出现大量报红 (read time out)

解决方法: 因为是网络链接超时, 需要切换镜像源

清华：pypi.tuna.tsinghua.edu.cn/simple

阿里云：mirrors.aliyun.com/pypi/simple/

中国科技大学 pypi.mirrors.ustc.edu.cn/simple/

华中理工大学：pypi.hustunique.com/

山东理工大学：pypi.sdutlinux.org/

豆瓣：pypi.douban.com/simple/

例如：pip3 install -i pypi.doubanio.com/simple/ 模块名

- 失败三: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入

解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好

或者你pycharm里面python解释器没有设置好

四、配置pycharm里面的python解释器

1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)

2. 点击齿轮, 选择add

3. 添加python安装路径

五、pycharm如何安装插件

1. 选择file(文件) >>> setting(设置) >>> Plugins(插件)

2. 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese

3. 选择相应的插件点击 install(安装) 即可

4. 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效

六、爬虫基本思路

原理:

模拟 浏览器(客户端) 向 服务器 发送 网络请求(索要数据)

爬虫:

数据来源分析 music.163.com/discover/toplist

代码实现

1. 发送请求

2. 获取数据

3. 解析数据

4. 保存数据

​​music.163.com/song/media/outer/url?id=1943848052​​

七、完整代码

import requests # 发送请求 第三方模块
import re # 内置模块 无需安装


# x = 1
url = 'music.163.com/discover/toplist'
# 1. 发送请求
response = requests.get(url=url)
# <Response [200]>: 请求成功
# 2. 获取数据
html_data = response.text
# 3. 解析数据
# 音乐id 音乐名称 获取下来
# 正则
# <li><a href="/song\?id=(.*?)">(.*?)</a></li>
music_info = re.findall('<li><a href="/song\?id=(.*?)">(.*?)</a></li>', html_data)
for info in music_info:
music_id = info[0]
music_name = info[1]
# 找不到的 别人写的代码里面抠出来
music_url = f'music.163.com/song/media/outer/url?id={music_id}'
music_name = re.sub('[\\/:*?"<>|]', '', music_name)
print(music_url)
# 4. 保存数据
music_data = requests.get(url=music_url).content
with open(f'music/{music_name}.mp3', mode='wb') as f:
f.write(music_data)