| Python网络爬虫：批量下载喜马拉雅音频 | 您所在的位置：网站首页 › 喜马拉雅 mp3 下载 › Python网络爬虫：批量下载喜马拉雅音频 |
Python网络爬虫：批量下载喜马拉雅音频
|
hello，大家好，我是wangzirui32，今天我们来学习如何批量下载喜马拉雅音频。 开始学习吧！ 学习目录 1. 解析网站1.1 获取音频地址1.2 解析专栏网页1.3 整理亿下思路 2. 编写爬取代码 1. 解析网站 1.1 获取音频地址在喜马拉雅网站上，随便点开一个音频，打开“开发者工具”，再点击播放按钮，可以看到出现了多个请求： 发现url中的id参数就决定了返回的音频地址，而id参数是音频的id号。 1.2 解析专栏网页我们已经知道了获取音频url的网址，接下来要获取一个专栏内的音频id和名称，打开一个专栏，发现： 思路： 获取专栏内的li标签获取li标签里的第一个a标签读取a标签的title和href属性将href解析成音频id将id带入url请求音频源地址提取音频源地址请求音频源地址保存音频（文件名为a的title属性）思路整理完了，开始编写代码。 2. 编写爬取代码代码奉上—— import requests from fake_useragent import UserAgent as ua from bs4 import BeautifulSoup as bs # 专栏地址 music_list_url = 'https://www.ximalaya.com/ertongjiaoyu/19702607/' # 获取音频地址的url get_link_url = "https://www.ximalaya.com/revision/play/v1/audio" # UA伪装 headers = { "User-Agent": ua().random } # 参数 params = { "id": None, # id先设为None "ptype": "1", } # 获取专栏HTML源码 music_list_r = requests.get(music_list_url, headers=headers) # 解析 获取所有li标签 soup = bs(music_list_r.text, "lxml") li = soup.find_all("li", {"class": "lF_"}) # for循序遍历处理 for i in li: a = i.find("a") # 找到a标签 # 获取href属性 # split("/")将字符串以"/"作为分隔符 从右往左数第一项是id号 music_id = a.get("href").split("/")[-1] # 获取title属性 和“.m4a”拼接成文件名 music_name = a.get("title") + ".m4a" # 修改请求参数id params['id'] = music_id # 获得音频源地址 r = requests.get(get_link_url, headers=headers, params=params) link = r.json()['data']['src'] # 获取音频文件并保存 music_file = requests.get(link).content with open(music_name, "wb") as f: f.write(music_file) print("下载完毕！")运行代码，等待亿会（真的要等亿会），可以看到当前目录下已经出现了音频文件，如图： 好了，今天的课程就到这里，你也可以对这个程序进行拓展，如加入多线程爬虫，多获取几页音频等等。感兴趣的可以点赞收藏，我是wangzirui32，我们下次再见！ |
经过排查，发现可疑url: 
查看它的响应信息，发现音频地址就在里面： 
接下来，解析这个返回音频地址的url：
所有的音频存放在class为1F_的li标签中，再来解析li标签： 
在li标签中的第一个a标签存储着我们所有需要的数据，妙~啊！
这样就完成啦~是不是很有成就感呢！【本文地址】
公司简介
联系我们