Python爬蟲之批量下載喜馬拉雅音頻

更新時(shí)間：2021年05月18日 11:34:14 作者：wangzirui32

今天教大家如何利用Python爬蟲批量下載喜馬拉雅音頻,文中有非常詳細(xì)的代碼示例,對正在學(xué)習(xí)python的小伙伴們很有幫助,需要的朋友可以參考下

一、解析網(wǎng)站

1.1 獲取音頻地址

在喜馬拉雅網(wǎng)站上，隨便點(diǎn)開一個(gè)音頻，打開“開發(fā)者工具”，再點(diǎn)擊播放按鈕，可以看到出現(xiàn)了多個(gè)請求：

經(jīng)過排查，發(fā)現(xiàn)可疑url:

網(wǎng)址

查看它的響應(yīng)信息，發(fā)現(xiàn)音頻地址就在里面：

音頻地址

接下來，解析這個(gè)返回音頻地址的url：

https://www.ximalaya.com/revision/play/v1/audio?id=348451879&ptype=1

發(fā)現(xiàn)url中的id參數(shù)就決定了返回的音頻地址，而id參數(shù)是音頻的id號。

1.2 解析專欄網(wǎng)頁

我們已經(jīng)知道了獲取音頻url的網(wǎng)址，接下來要獲取一個(gè)專欄內(nèi)的音頻id和名稱，打開一個(gè)專欄，發(fā)現(xiàn)：

li標(biāo)簽

所有的音頻存放在class為1F_的li標(biāo)簽中，再來解析li標(biāo)簽：

在li標(biāo)簽中的第一個(gè)a標(biāo)簽存儲著我們所有需要的數(shù)據(jù)，妙~?。?/p>

1.3 整理億下思路

思路：

1.獲取專欄內(nèi)的li標(biāo)簽

2.獲取li標(biāo)簽里的第一個(gè)a標(biāo)簽

3.讀取a標(biāo)簽的title和href屬性

4.將href解析成音頻id

5.將id帶入url請求音頻源地址

6.提取音頻源地址

7.請求音頻源地址

8.保存音頻（文件名為a的title屬性）

思路整理完了，開始編寫代碼。

二、編寫爬取代碼

代碼奉上——

import requests
from fake_useragent import UserAgent as ua
from bs4 import BeautifulSoup as bs

# 專欄地址
music_list_url = 'https://www.ximalaya.com/ertongjiaoyu/19702607/'
# 獲取音頻地址的url
get_link_url = "https://www.ximalaya.com/revision/play/v1/audio"

# UA偽裝
headers = {
    "User-Agent": ua().random
}

# 參數(shù)
params = {
    "id": None,    # id先設(shè)為None
    "ptype": "1",
}

# 獲取專欄HTML源碼
music_list_r = requests.get(music_list_url, headers=headers)
# 解析 獲取所有l(wèi)i標(biāo)簽
soup = bs(music_list_r.text, "lxml")
li = soup.find_all("li", {"class": "lF_"})

# for循序遍歷處理
for i in li:
    a = i.find("a")   # 找到a標(biāo)簽
    # 獲取href屬性
    # split("/")將字符串以"/"作為分隔符 從右往左數(shù)第一項(xiàng)是id號
    music_id = a.get("href").split("/")[-1]
    # 獲取title屬性 和“.m4a”拼接成文件名
    music_name = a.get("title") + ".m4a"

	# 修改請求參數(shù)id
    params['id'] = music_id

	# 獲得音頻源地址
    r = requests.get(get_link_url, headers=headers, params=params)
    link = r.json()['data']['src']

	# 獲取音頻文件并保存
    music_file = requests.get(link).content
    with open(music_name, "wb") as f:
        f.write(music_file)

print("下載完畢！")

運(yùn)行代碼，等待億會（真的要等億會），可以看到當(dāng)前目錄下已經(jīng)出現(xiàn)了音頻文件，如圖：

音頻文件