Python大作业 | 您所在的位置:网站首页 › python音乐网站分析 › Python大作业 |
相关链接 Python大作业——爬虫+可视化+数据分析+数据库(简介篇) Python大作业——爬虫+可视化+数据分析+数据库(可视化篇) Python大作业——爬虫+可视化+数据分析+数据库(数据分析篇) Python大作业——爬虫+可视化+数据分析+数据库(数据库篇) 以上是这次大作业的大致内容,可以看到其中需要爬虫实现的主要有三个方面: 根据搜索内容爬取搜索结果的信息(包括歌词)爬取热门歌曲爬取热门歌手及其歌曲 一、根据搜索内容爬取搜索结果的信息获得具体歌曲网址 这个部分我们爬取的网站地址为:https://www.8lrc.com/search 尝试在这个页面进行搜索后我们很容易发现**,搜素框输入的结果直接作为get请求的参数,键为‘key’** 那么就很简单了,我们通过在界面搜索框的回车事件绑定爬虫函数,将搜索框中的内容作为参数传给函数,之后将参数拼接到https://www.8lrc.com/search后面并发送get请求即可得到响应体 随后使用BeautifulSoup中的html解析器对响应体文本进行解析 接下来通过f12查看页面元素 我们会发现,查询到的每首歌曲的跳转信息都在一个类名为”tGequ“的a标签里 那么我们就可以使用findAll函数获得所有歌曲的a标签 def search(self, keyword): self.play_index_now = -1 # 每次重新搜索都将当前播放序号设置为-1 urlbase = r'https://www.8lrc.com/search' # 搜索的基础地址 params = {'key': keyword} # 封装搜索的参数 res_body = requests.get(urlbase, params) # 拼接url,发送请求 soup_body = BeautifulSoup(res_body.text, 'html.parser') # html解析获得响应文本 self.tags = soup_body.findAll(class_='tGequ') # 得到查询结果通过tag[‘href’]即可得到其中的href属性值 由于这是一个相对地址,只要在前面加上baseurl:https://www.8lrc.com即可得到对应歌曲的链接 获取歌曲音频资源及歌词 接着我们访问具体歌曲如https://www.8lrc.com/geci/1130167.htm,希望获得其歌曲的资源以及歌词 同样打开开发者工具,可以发现在第四个script标签中的setPlayer函数里有一个url地址,且其以.mp3为后缀,结合这是一个播放器,我们不难想到这就是歌曲的音频资源,而下面的显然就是我们所需要的歌曲的歌词 知道了这些以后,就可以开始爬虫获取了 首先我们通过soup_body.select("body script")[3].get_text()语句获得这个script标签的文本 通过观察,url地址都是以”url“:"为起始,以引号"作为结束,所以我们不难写出匹配url地址的正则表达式:r'"url":"([^"]*)"' 括号中的内容即我们希望获得的mp3资源 通过re.search(pattern1, script).group(1)语句即可获得括号中的内容 由于获得的地址中会有转义字符/,所以我们需要用replace(r'\/', '/')将其置换为/ 此处会有可能会出现一个问题,就是通过第一步获得的歌曲网址未必能打开,有的歌曲没有版权所以访问会出现404的情况,为了避免程序报错,我们需要跳过404的页面,所以有语句:if soup_body.text.__contains__("404"): continue 歌词方面同上都是先写出正则表达式,然后匹配得到结果,此处便不再演示,需要注意的是得到的歌词都带着\r\n字符,这显然不是我们所希望的,所以我们使用lyric.replace(r'\r\n', '\n')语句将这些字符转换为换行符,即可实现每句歌词占一行 二、爬取热门歌曲这个部分我们爬取的网站地址为:http://m.yue365.com/bang/box100_w.shtml 步骤与上文无太大差别 值得一提的是该网站使用的编码是’gb2312’,而我们的编译器一般默认编码是utf-8,所以会出现乱码的情况 所以我们应该对获得的响应体设置编码 对于获取到的数据,我们采用excel存储 首先使用xlsxwriter.Workbook('popsongs.xlsx')创建一个名为popsongs的excel文件,可以再参数中设置格式,也可以利用add_format()创建格式 随后创建一个表单workbook.add_worksheet('pop500')命名为pop500,并使用 worksheet.set_column()设置列宽(第一个参数为起始列,第二个参数为终止列,第三个参数为长度,行数列数都从0开始) 之后就可以使用worksheet.write_row(row, 0, ['排名', '歌名', '歌曲url', '歌曲热度'], first_format)对每一行写入数据了,第一个参数为目标行,第二个参数为起始列,第三个参数为写入的值,从起始列开始写入列表中的值,第四个参数为之前所创建的格式 最后记得关闭excel文件,便大功告成了 def pop_songs(self): row = 0 base = 'http://m.yue365.com/' url = 'http://m.yue365.com/bang/box100_w.shtml' pattern = r'width:(.*)%' self.hot = [] res_body = requests.get(url) res_body.encoding = 'gb2312' soup_body = BeautifulSoup(res_body.text, 'lxml') songs = soup_body.findAll(class_='name') hot = soup_body.findAll('span', class_='dib') workbook = xlsxwriter.Workbook('popsongs.xlsx') first_format = workbook.add_format({'align': 'center'}) second_format = workbook.add_format({'align': 'left'}) worksheet = workbook.add_worksheet('pop500') worksheet.set_column(0, 0, 6) worksheet.set_column(1, 1, 20) worksheet.set_column(2, 2, 46) worksheet.set_column(3, 3, 10) worksheet.write_row(row, 0, ['排名', '歌名', '歌曲url', '歌曲热度'], first_format) for song in songs: self.hot.append(re.split(pattern, hot[row*2+1]['style'])[1]) row += 1 song_url = base+song.a['href'] worksheet.write_row(row, 0, [row, song.a.text, song_url, self.hot[row-1]], second_format) workbook.close() os.startfile('popsongs.xlsx')使用os.startfile('popsongs.xlsx')在写完数据后自动打开文件 三、爬取热门歌手及其歌曲这个部分我们爬取的网站地址为:https://www.9ku.com/geshou/all-all-liuxing.htm 值得一提的是使用songs = soup_body.findAll(class_="songNameA")最后会多获取到一些我们不需要的数据,且都是在末尾的十八条,故通过以下代码晒去后面十八条信息 for song in songs[:-18]: worksheet.write_row(row, 0, [song.text, url_base+song['href'], url_base+lyrics[row-1]['href']]) row += 1结果如下 |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |