某音乐歌曲爬虫

某音乐歌曲爬虫

概况
使用python爬虫自动下载酷gouTop500的歌曲。

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

网站分析：

点击歌曲进入播放页面后对网页进行抓包分析，

抓包分析发现歌曲信息出现在上图的地址中，“来迟”这首歌曲的信息api地址是https://wwwapi.kugou.com/yy/index.php?r=play/getdata&callback=jQuery1910045939665475981384_1621500682569&hash=456EA2137B08259DBFCC213FDA3935FD&dfid=&mid=bca91e9de3ab56c29358ab868e534908&platid=4&album_id=43439160&_=1621500682570。具体信息如下图所示：

可以看到album_name即是歌名，author_name即是歌手名，play_url即是歌曲地址。

其中api地址包含了两个重要的参数，分别是hash和album_id，

实践发现服务端只检测了这两个参数。

那么这两个参数的出处在哪呢？

通过对目标网页的源码分析，发现这两个参数就存在于源码中。

可以通过使用正则表达式获取。

代码：

def get_hash_album():
    url = 'https://www.kugou.com/yy/rank/home/1-8888.html?from=rank'
    html = session.get(url, headers=headers, verify=False).text
    pat = '{"Hash":"(.*?)",'
    pat2 = '"album_id":(.*?),"'
    hash_list = re.compile(pat).findall(html)
    album_list = re.compile(pat2).findall(html)
    return hash_list, album_list

获取到两个参数后就可以构造url地址了，请求并获得json数据了。

代码：

def get_json(h, a):
    for i in range(0, len(h)):
        url = 'https://wwwapi.kugou.com/yy/index.php?r=play/getdata&hash={}&album_id={}'.format(h[i], a[i])
        data = session.get(url, headers=headers, verify=False).json()
        address = data['data']['play_url']
        name = data['data']['audio_name']
        print(url)
        get_music(address, name)

获得信息后，接下来就可以下载音乐啦！

代码：

def get_music(address, name):
    res = requests.get(address)
    music = res.content
    with open('酷狗音乐/{}.mp3'.format(name), 'ab') as file:
        file.write(music)
        file.flush()
    print('下载成功！' + name)

至此我们的音乐就下载完成啦！

一起来欣赏一下吧！

完整代码公众号回复“音乐”获取。