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！

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：
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：

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

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：
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！

1.3 整理亿下思路

思路：

1. 获取专栏内的li标签
2. 获取li标签里的第一个a标签
3. 读取a标签的title和href属性
4. 将href解析成音频id
5. 将id带入url请求音频源地址
6. 提取音频源地址
7. 请求音频源地址
8. 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：
这样就完成啦~是不是很有成就感呢！

---

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！