爬取酷狗榜单中的top500

首先先看到top500的页面,如下图所示

爬取酷狗榜单中的top500_第1张图片

网页版的酷狗没有翻页的操作,所以不能看到后面页数的链接,根据第一页的链接,http://www.kugou.com/yy/rank/home/1-8888.html   我们尝试把链接里面的数字1改为2,果然跳转到第二页去了,这样就好办了,每页显示22条歌曲,所以经过计算,需要23条url链接,后面自己手动创建url

具体的操作和解释都下面代码中

# -*- encoding:utf8 -*-
import requests
from bs4 import BeautifulSoup
import itertools
import time

# 请求头,用来伪装为浏览器
headers = {
    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"
}

# 定义获取信息的函数
def get_info(url):
    wb_data = requests.get(url,headers=headers)
    soup = BeautifulSoup(wb_data.text,"lxml")
    # 排名
    ranks = soup.select("span.pc_temp_num")
    # 标题
    titles = soup.select("div.pc_temp_songlist > ul > li > a")
    # 时间
    times = soup.select("span.pc_temp_tips_r > span")
    # itertools.izip()函数可以平行的迭代多个数组,python2.7里面用izip(),3.6版本的则用zip()更好
    for rank,title,time in itertools.izip(ranks,titles,times):
        data = {
            "rank":rank.text.strip(),
            # 字符串的分片
            "singer":title.text.split("-")[0],
            "song":title.text.split("-")[1],
            "time":time.text.strip(),
            "href":title.get("href")
        }
        print data

# 程序的入口
if __name__ == "__main__":
    # 创建多页的url
    urls = ["http://www.kugou.com/yy/rank/home/{}-8888.html".format(number) for number in range(1,24)]
    for i in urls:
        get_info(i)
    # 休眠2秒
    time.sleep(2)

# 下面的代码可以更好的理解["http://www.kugou.com/yy/rank/home/{}-8888.html".format(number) for number in range(1,24)]
# for i in range(1,23):
#     urls = ["http://www.kugou.com/yy/rank/home/{}-8888.html".format(i)]
#     print urls


你可能感兴趣的:(python爬虫)