Java爬取并下载酷狗TOP500歌曲 侵立删

来源:my.oschina.net/gllfeixiang/blog/2995570?p=1

是这样的,之前买车送的垃圾记录仪不能用了,这两天狠心买了好点的记录仪,带导航、音乐、蓝牙、4G等功能,寻思,既然有这些功能就利用起来,用4G听歌有点奢侈,就准备去酷狗下点歌听,居然都是需要办会员才能下载,而且vip一月只能下载300首,我这么穷又这么抠怎么可能冲会员,于是百度搜了下怎么免费下载,都是python爬取,虽然也会一点,但是电脑上没安装python,再安装再研究感觉有点费劲,于是就花了半小时做了这个爬虫,技术一般,只记录分析实现过程,大牛请绕行。其中用到了一些库,包括:jsoup、HttpClient、net.sf.json大家可以自行去下载jar包。

1、分析是否能获得TOP500歌单

首先,打开酷狗首页查看酷狗TOP500,说好的500首,怎么就只有22首呢?

Java爬取并下载酷狗TOP500歌曲 侵立删_第1张图片

是真的只让看这些还是能找到其余的呢,于是我就看了下这TOP500的链接:

https://www.kugou.com/yy/rank/home/1-8888.html?from=rank

可以看的出home后边有个1,难道这是代表第一页的意思?于是我就把1改成2,进入,果然进入了第二页, 至此可以知道我们可以在网页里获取这500首的歌单。

2、分析找到真正的mp3下载地址(这个有点绕)

点一个歌曲进入播放页面,使用谷歌浏览器的控制台的Elements,搜一下mp3,很轻松就定位到了MP3的位置。

Java爬取并下载酷狗TOP500歌曲 侵立删_第2张图片

但是使用java访问的时候爬取的html里却没有该mp3的文件地址,那么这肯定是在该页面的位置使用了js来加载mp3,那么刷新下网页,看网页加载了哪些东西,加载的东西有点多,着重看一下js、php的请求,主要是看里面有没有mp3的地址,分析细节就不用说了。

Java爬取并下载酷狗TOP500歌曲 侵立删_第3张图片

最终我在列表的

https://wwwapi.kugou.com/yy/index.php?r=play/getdata&callback=jQuery191027067069941080546_1546235744250&hash=667939C6E784265D541DEEE65AE4F2F8&album_id=0&_=1546235744251

 

这个请求里发现了mp3的完整地址:

 

"play_url": "http:\/\/fs.w.kugou.com\/201812311325\/dcf5b6449160903c6ee48035e11434bb\/G128\/M08\/02\/09\/IIcBAFrZqf2ANOadADn94ubOmaU995.mp3",

 

那这个js是怎么判断是哪首歌的呢,那么只可能是hash这个参数来决定歌曲的,然后到播放页面里找到这个hash的位置,是在下面的js里:

 

var dataFromSmarty = [{"hash":"667939C6E784265D541DEEE65AE4F2F8","timelength":"237051","audio_name":"\u767d\u5c0f\u767d - \u6700\u7f8e\u5a5a\u793c","author_name":"\u767d\u5c0f\u767d","song_name":"\u6700\u7f8e\u5a5a\u793c","album_id":0}],//当前页面歌曲信息
           playType = "search_single";//当前播放
   

 

在去java爬取该网页,查看能否爬到这个hash,果然,爬取的html里有这段js,到现在mp3的地址也找到了,歌单也找到了,那么下一步就用程序实现就可以了。

3、java实现爬取酷狗mp3

先看一下爬取结果:

Java爬取并下载酷狗TOP500歌曲 侵立删_第4张图片

找到了资源,程序实现就好说了,其中使用到了自己写的几个工具类,自己整理点自己的工具类还是有好处的,以后遇到什么问题就没必要重新写了,直接拿来用就可以了。没什么好说的了,下面直接贴出源码。

SpiderKugou.java

package com.bing.spider;

import java.io.IOException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import com.bing.download.FileDownload;
import com.bing.html.HtmlManage;
import com.bing.http.HttpGetConnect;

import net.sf.json.JSONObject;

public class SpiderKugou {

 public static String filePath = "F:/music/";
 public static String mp3 = "https://wwwapi.kugou.com/yy/index.php?r=play/getdata&callback=jQuery191027067069941080546_1546235744250&"
     + "hash=HASH&album_id=0&_=TIME";
 
 public static String LINK = "https://www.kugou.com/yy/rank/home/PAGE-8888.html?from=rank";
 //"https://www.kugou.com/yy/rank/home/PAGE-23784.html?from=rank";
 
 
 public static void main(String[] args) throws IOException {
   
   for(int i = 1 ; i < 23 ; i++){
     String url = LINK.replace("PAGE", i + "");
     getTitle(url);
     //download("https://www.kugou.com/song/mfy6je5.html");
   }
 }
 
 public static String getTitle(String url) throws IOException{
   HttpGetConnect connect = new HttpGetConnect();
   String content = connect.connect(url, "utf-8");
   HtmlManage html = new HtmlManage();
   Document doc = html.manage(content);
   Element ele = doc.getElementsByClass("pc_temp_songlist").get(0);
   Elements eles = ele.getElementsByTag("li");
   for(int i = 0 ; i < eles.size() ; i++){
     Element item = eles.get(i);
     String title = item.attr("title").trim();
     String link = item.getElementsByTag("a").first().attr("href");
     
     download(link,title);
   }
   return null;
 }
 
 public static String download(String url,String name) throws IOException{
   String hash = "";
   HttpGetConnect connect = new HttpGetConnect();
   String content = connect.connect(url, "utf-8");
   HtmlManage html = new HtmlManage();
   
   String regEx = "\"hash\":\"[0-9A-Z]+\"";
   // 编译正则表达式
   Pattern pattern = Pattern.compile(regEx);
   Matcher matcher = pattern.matcher(content);
   if (matcher.find()) {
     hash = matcher.group();
     hash = hash.replace("\"hash\":\"", "");
     hash = hash.replace("\"", "");
   }
   
   String item = mp3.replace("HASH", hash);
   item = item.replace("TIME", System.currentTimeMillis() + "");

   System.out.println(item);
   String mp = connect.connect(item, "utf-8");
   
   mp = mp.substring(mp.indexOf("(") + 1, mp.length() - 3);
   
   JSONObject json = JSONObject.fromObject(mp);
   String playUrl = json.getJSONObject("data").getString("play_url");
   

   System.out.print(playUrl + "  ==  ");
   FileDownload down = new FileDownload();
   down.download(playUrl, filePath + name + ".mp3");
   
   System.out.println(name + "下载完成");
   return playUrl;
 }

}

 

HttpGetConnect.java

 

package com.bing.http;

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.security.NoSuchAlgorithmException;
import java.security.cert.CertificateException;
import java.security.cert.X509Certificate;

import javax.net.ssl.SSLContext;
import javax.net.ssl.TrustManager;
import javax.net.ssl.X509TrustManager;

import org.apache.commons.logging.Log;
import org.apache.commons.logging.LogFactory;
import org.apache.http.HttpEntity;
import org.apache.http.client.ClientProtocolException;
import org.apache.http.client.HttpClient;
import org.apache.http.client.ResponseHandler;
import org.apache.http.client.config.RequestConfig;
import org.apache.http.client.methods.CloseableHttpResponse;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.conn.ClientConnectionManager;
import org.apache.http.conn.scheme.Scheme;
import org.apache.http.conn.scheme.SchemeRegistry;
import org.apache.http.conn.ssl.SSLSocketFactory;
import org.apache.http.impl.client.BasicResponseHandler;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.DefaultHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.impl.conn.BasicHttpClientConnectionManager;
import org.apache.http.params.HttpParams; 
/**
* @说明:
* @author: gaoll
* @CreateTime:2014-11-13
* @ModifyTime:2014-11-13
*/
public class HttpGetConnect {
 
 /**
  *  获取html内容
  * @param url
  * @param charsetName  UTF-8、GB2312
  * @return
  * @throws IOException
  */
 public static String connect(String url,String charsetName) throws IOException{
   BasicHttpClientConnectionManager connManager = new BasicHttpClientConnectionManager();
   
   CloseableHttpClient httpclient = HttpClients.custom()
             .setConnectionManager(connManager)
             .build();
   String content = "";
   
   try{
     HttpGet httpget = new HttpGet(url);
     
     RequestConfig requestConfig = RequestConfig.custom()
                 .setSocketTimeout(5000)
                 .setConnectTimeout(50000)
                 .setConnectionRequestTimeout(50000)
                 .build();
         httpget.setConfig(requestConfig);
         httpget.setHeader("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8");
         httpget.setHeader("Accept-Encoding", "gzip,deflate,sdch");
         httpget.setHeader("Accept-Language", "zh-CN,zh;q=0.8");
         httpget.setHeader("Connection", "keep-alive");
         httpget.setHeader("Upgrade-Insecure-Requests", "1");
         httpget.setHeader("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36");
         //httpget.setHeader("Hosts", "www.oschina.net");
         httpget.setHeader("cache-control", "max-age=0");  
       
     CloseableHttpResponse response = httpclient.execute(httpget);
     
     int status = response.getStatusLine().getStatusCode();
           if (status >= 200 && status < 300) {
             
               HttpEntity entity = response.getEntity();
               InputStream instream = entity.getContent();
               BufferedReader br = new BufferedReader(new InputStreamReader(instream,charsetName));
       StringBuffer sbf = new StringBuffer();
       String line = null;
       while ((line = br.readLine()) != null){
         sbf.append(line + "\n");
       }

       br.close();
       content = sbf.toString();
           } else {
               content = "";
           }
     
   }catch(Exception e){
     e.printStackTrace();
   }finally{
     httpclient.close();
   }
   //log.info("content is " + content);
   return content;
 }
 private static Log log = LogFactory.getLog(HttpGetConnect.class);
}

 

HtmlManage.java

 

package com.bing.html;

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

import org.apache.commons.logging.Log;
import org.apache.commons.logging.LogFactory;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import com.bing.http.HttpGetConnect;

/**
* @说明:
* @author: gaoll
* @CreateTime:2014-11-13
* @ModifyTime:2014-11-13
*/
public class HtmlManage {
 
 public Document manage(String html){
   Document doc = Jsoup.parse(html);
   return doc;
 }
 
 public Document manageDirect(String url) throws IOException{
   Document doc = Jsoup.connect( url ).get();
   return doc;
 }
 
 public List manageHtmlTag(Document doc,String tag ){
   List list = new ArrayList();
   
   Elements elements = doc.getElementsByTag(tag);
   for(int i = 0; i < elements.size() ; i++){
     String str = elements.get(i).html();
     list.add(str);
   }
   return list;
 }
 
 public List manageHtmlClass(Document doc,String clas ){
   List list = new ArrayList();
   
   Elements elements = doc.getElementsByClass(clas);
   for(int i = 0; i < elements.size() ; i++){
     String str = elements.get(i).html();
     list.add(str);
   }
   return list;
 }
 
 public List manageHtmlKey(Document doc,String key,String value ){
   List list = new ArrayList();
   
   Elements elements = doc.getElementsByAttributeValue(key, value);
   for(int i = 0; i < elements.size() ; i++){
     String str = elements.get(i).html();
     list.add(str);
   }
   return list;
 }
 
 private static Log log = LogFactory.getLog(HtmlManage.class);
}

 

FileDownload.java

 

package com.bing.download;

import java.io.BufferedInputStream;
import java.io.BufferedOutputStream;
import java.io.File;
import java.io.FileOutputStream;

import org.apache.commons.logging.Log;
import org.apache.commons.logging.LogFactory;
import org.apache.http.client.config.RequestConfig;
import org.apache.http.client.methods.CloseableHttpResponse;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;

/**
* @说明:
* @author: gaoll
* @CreateTime:2014-11-20
* @ModifyTime:2014-11-20
*/
public class FileDownload {
 
 /**
  * 文件下载
  * @param url 链接地址
  * @param path 要保存的路径及文件名
  * @return
  */
 public static boolean download(String url,String path){
   
   boolean flag = false;
   
   CloseableHttpClient httpclient = HttpClients.createDefault();
   RequestConfig requestConfig = RequestConfig.custom().setSocketTimeout(2000)
       .setConnectTimeout(2000).build();

   HttpGet get = new HttpGet(url);
   get.setConfig(requestConfig);
   
   BufferedInputStream in = null;
   BufferedOutputStream out = null;
   try{
     for(int i=0;i<3;i++){
       CloseableHttpResponse result = httpclient.execute(get);
       System.out.println(result.getStatusLine());
       if(result.getStatusLine().getStatusCode() == 200){
         in = new BufferedInputStream(result.getEntity().getContent());
         File file = new File(path);
         out = new BufferedOutputStream(new FileOutputStream(file));
         byte[] buffer = new byte[1024];
         int len = -1;
         while((len = in.read(buffer,0,1024)) > -1){
           out.write(buffer,0,len);
         }
         flag = true;
         break;
       }else if(result.getStatusLine().getStatusCode() == 500){
         continue ;
       }
     }
     
   }catch(Exception e){
     e.printStackTrace();
     flag = false;
   }finally{
     get.releaseConnection();
     try{
       if(in != null){
         in.close();
       }
       if(out != null){
         out.close();
       }
     }catch(Exception e){
       e.printStackTrace();
       flag = false;
     }
   }
   return flag;
 }

 private static Log log = LogFactory.getLog(FileDownload.class);
}

 

到这就结束了,有可能有些代码没贴全,主要代码已经差不多,应该可以跑起来,多多指教。

你可能感兴趣的:(Java,网文干货)