python爬取網(wǎng)易云音樂排行榜實例代碼
網(wǎng)易云音樂排行榜歌曲及評論爬取
主要注意問題:selenium 模擬登錄、iframe標簽定位、頁面元素提取。
在利用selenium定位元素并取值的過程中遇到問題。比如xpath正確但無法定位,在進行翻頁提取評論的過程中,利用selenium似乎不能提取不同頁的數(shù)據(jù),比如,明明定位的第三頁的評論數(shù)據(jù),而只能返回第一頁的評論數(shù)據(jù)。
一、模擬登錄
selenium 定位元素模擬人的操作進行登錄,直接上代碼:
//模擬登錄
import pandas as pd
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.chrome.options import Options
from selenium.webdriver import ActionChains
from lxml import etree
import time
from datetime import datetime,timedelta
wyy_url = 'https://music.163.com/'
driver = webdriver.Chrome()
driver.get(wyy_url)
driver.maximize_window() #全屏
time.sleep(2)
driver.find_element_by_xpath("http://a[@class = 'link s-fc3']").click()
time.sleep(2)
driver.find_element_by_xpath("http://a[@class='u-btn2 other']").click() #選擇其他方式登錄
#賬號、密碼登錄
driver.find_element_by_xpath("http://input[@type='checkbox']").click() #同意條款
time.sleep(0.5)
driver.find_element_by_xpath("http://a[@class='u-btn2 u-btn2-2']").click()
#選擇手機號密碼登錄
driver.find_element_by_xpath("http://a[@class='f-fr s-fc3 pwdlogin']").click()
time.sleep(1)
driver.find_element_by_id("p").send_keys('xxx') #這里輸入你的id
driver.find_element_by_id("pw").send_keys('xxx') #這里輸入密碼
time.sleep(1)
#點擊登錄
driver.find_element_by_xpath("http://a[@class='j-primary u-btn2 u-btn2-2']").click()
time.sleep(1)
二、排行榜數(shù)據(jù)爬取
當時嘗試直接用selenium定位標簽取值,并沒有返回有效結果。在后面爬取評論時,也遇到此問題。于是先獲取頁面內(nèi)容在進行分析。
// 排行榜
base_url = "https://music.163.com/#/discover/toplist?id="
bang_typical = {'飆升榜':19723756,'新歌榜':3779629,'原創(chuàng)榜':2884035,'熱歌榜':3778678}
#選擇榜單
bang = input('請輸入榜單:')
#構造榜單對應的鏈接
url = base_url + str(bang_typical[bang])
print('開始分析:-%s' %(bang))
#進入榜單
driver.get(url)
time.sleep(3)
#iframe標簽定位,必要的,否則無法定位其他標簽
_iframe = driver.find_element_by_xpath("http://iframe[@id='g_iframe']") # 找到iframe標簽
driver.switch_to.frame(_iframe)
time.sleep(1)
page_text = driver.execute_script("return document.documentElement.outerHTML")
#獲取頁面
html = etree.HTML(page_text)
trs = html.xpath('//tbody/tr')
rank_list = []
title_list = []
span_list = []
singer_list = []
for tr in trs:
rank = tr.xpath(".//span[@class='num']/text()")[0] #注意xpath獲取到的是列表,需提取其元素
title = tr.xpath(".//b/@title")[0]
span = tr.xpath(".//td[@class=' s-fc3']/span[@class='u-dur ']/text()")[0]
singer = tr.xpath(".//div[@class='text']/span/@title")[0]
rank_list.append(rank)
title_list.append(title)
span_list.append(span)
singer_list.append(singer)
#輸出榜單結果
df_bang = pd.DataFrame({'排名':rank_list,'歌名':title_list,'時長':span_list,'歌手':singer_list})
三、排行榜評論獲取
主要是評論日期的格式轉(zhuǎn)換,評論內(nèi)容的清洗
// 評論
# 日期清洗函數(shù)
def change_time(time):
now = datetime.now()
day_y = datetime.strftime(now - timedelta(1),'%Y-%m-%d') #計算昨天
day = now.strftime('%Y-%m-%d')
year = now.strftime('%Y')
if '年' in time: #非今年
new_time = time.replace('年','-').replace('月','-').replace('日','')
elif '昨天' in time:
new_time = time.replace('昨天',day_y+' ')
elif '前' in time: #前天
minut = int(time[:time.index('分')])
new_time = (now + timedelta(minutes=-minut)).strftime('%Y-%m-%d %H:%M')
elif len(time) == 5: #今天
new_time = day + ' ' + time
else: #最近 **月**日 **:**
y = '2021-'
time = time.replace('月','-').replace('日','')
new_time = y + time
return new_time
#評論清洗
def change_review(r):
if ':' in r:
r_ = r.split(':')[1]
else:
r_ = r
return r_
#評論點贊
def change_likes(l):
if l != []:
l_ = int(l.split('(')[1].split(')')[0])
else:
l_ = 0
return l_
#拉動滾動條至翻頁按鈕處
driver.execute_script("window.scrollTo(0,document.body.scrollHeight)")
#獲取頁面信息
num = input('請輸入需要爬取的頁面總數(shù):') #想要爬取評論的頁數(shù),
#這里的思路是先通過翻頁將獲取到的所有頁面的所有內(nèi)容存至列表,再對列表遍歷。
#因為當時直接用selenium 定位返回結果不對,當然你們也可以用selenium直接試試。
html_list=[]
for i in range(int(num)):
page_text = driver.execute_script("return document.documentElement.outerHTML")
html = etree.HTML(page_text)#獲取頁面
html_list.append(html)
#翻頁
driver.find_elements_by_xpath("http://div[contains(@class,'u-page')]/a")[-1].click()
time.sleep(4)
WebDriverWait(driver, 300, 0.1).until(EC.presence_of_element_located((By.XPATH, "http://div[@class='cmmts j-flag']")))
print(f'第{i+1}頁爬取成功')
rev_list=[] #所有評論的列表
dat_list=[] #對應日期的列表
for review_page in html_list:
raw_reviews = review_page.xpath("http://div[@class='cmmts j-flag']//div[@class='cnt f-brk']/text()")#提取頁面所有評論
raw_reviews_ = [i for i in raw_reviews if ":" in i] #保證長度一致
rv_date = review_page.xpath("http://div[@class='cmmts j-flag']//div[@class='cntwrap']/div[@class='rp']/div[@class='time s-fc4']/text()")
review_list = [change_review(r) for r in raw_reviews_]
date_list = [change_time(d) for d in rv_date]
rev_list.extend(review_list)
dat_list.extend(date_list)
print('分析完成')
driver.quit()
運行結果:
1、排行榜:

2、評論:


總結
哈哈,用了快兩年的csdn, 光顧著白嫖文章。這也是我的第一個帖子,也沒啥經(jīng)驗,有啥問題的,還請各位指正!
到此這篇關于python爬取網(wǎng)易云音樂排行榜數(shù)據(jù)代碼的文章就介紹到這了,更多相關python爬取網(wǎng)易云內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
用ldap作為django后端用戶登錄驗證的實現(xiàn)
這篇文章主要介紹了用ldap作為django后端用戶登錄驗證的實現(xiàn),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2020-12-12
解決Python requests庫編碼 socks5代理的問題
今天小編就為大家分享一篇解決Python requests庫編碼 socks5代理的問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
pytorch實現(xiàn)mnist手寫彩色數(shù)字識別
這篇文章主要介紹了pytorch-實現(xiàn)mnist手寫彩色數(shù)字識別,文章圍繞主題展開詳細的內(nèi)容姐介紹,具有一定的參考價值,需要的小伙伴可以參考一下2022-09-09
Python獲取網(wǎng)段內(nèi)ping通IP的方法
今天小編就為大家分享一篇Python獲取網(wǎng)段內(nèi)ping通IP的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
pyinstaller打包可執(zhí)行程序過程中的常見錯誤解決
這篇文章主要介紹了pyinstaller打包可執(zhí)行程序過程中的常見錯誤解決,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-11-11
Python腳本如何在bilibili中查找彈幕發(fā)送者
這篇文章主要介紹了如何在bilibili中查找彈幕發(fā)送者,本文給大家分享小編寫的一個python腳本來實現(xiàn)bilibili彈幕發(fā)送者,需要的朋友可以參考下2020-06-06

