主要运用了Python中的Requests包和json包获取内容，写入到Mongodb数据库并保存，pandas用于导出数据，代码详细我最后会给出github

接口分析并爬取歌单id

我发现html源码并没有我想要的数据，所以分析了Ajax请求，得到了我想要的数据。

在Chrome按F12（或Fn+F12）打开开发者工具，在Network中选择JS，并且刷新页面，找到关于歌单的渲染连接。

点击Headers获取链接https://c.y.qq.com/splcloud/fcgi-bin/fcg_get_diss_by_tag.fcg，注意参数和headers信息

必须传入referer参数，不然你会得不到请求。它的返回内容只要提取getPlaylist(）里面的内容就是json内容，我们可以用json包解析得到一个基于字典（dict）格式的数据块。代码函数如下：

#爬取歌单id
def getDissid(sin,ein):url = 'https://c.y.qq.com/splcloud/fcgi-bin/fcg_get_diss_by_tag.fcg'header = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36','cookie':'RK=7dNm4/X+Yj; tvfe_boss_uuid=bf00ee54e9081ab4; pgv_pvi=8772238336; pac_uid=1_857193777; pgv_pvid=6457341280; o_cookie=80; ptcz=c761e59c8c8d6bd5198866d02a5cb7313af1af468006c455d6c2b5d26201d42e; pgv_si=s10759168; _qpsvr_localtk=0.08285763449905015; ptisp=ctc; luin=o0857193777; lskey=00010000228dd1371b945c68ecfd3b71d3071425024a7a8a2a23e3ffcb5b9904c9f7088d2ea8c01539ffed92; pt2gguin=o0857193777; uin=o0857193777; skey=@Kydi7w0EI; p_uin=o0857193777; p_skey=HjsE9sEjznJfXk*9KFEeW4VZr6i3*tlXZ2nuzEw8kCg_; pt4_token=c-p6sv3JEboA51cSQ3ABqxM8O80Jct3jYYkgy-aEQuE_; p_luin=o0857193777; p_lskey=000400008f9c296cd10c03a5173d22a184aad124d791568e90e4198beb8ad699a4d02fbfc059f71ab3d8758c; ts_last=y.qq.com/portal/playlist.html; ts_refer=ui.ptlogin2.qq.com/cgi-bin/login; ts_uid=3392060960','referer':'https://y.qq.com/portal/playlist.html'}paramter = {'g_tk':'1089387893','jsonpCallback':'getPlaylist','loginUin':'0','hostUin':'0','format':'jsonp','inCharset':'utf8','outCharset':'utf-8','notice':'0','platform':'yqq','needNewCode':'0','categoryId':'10000000','sortId':'5','sin':sin,#开始结点'ein':ein #结束结点，用于翻页}html = requests.get(url=url,params=paramter,headers=header)res = json.loads(html.text.lstrip('getPlaylist(').rstrip(')'))['data']['list']data = []if res != []:for t_item in res:item = {}ILLEGAL_CHARACTERS_RE = re.compile(r'[\000-\010]|[\013-\014]|[\016-\037]') #用于去掉非法字符item['createtime']      = t_item['createtime']item['creator_qq']      = t_item['creator']['qq']item['creator_name']    = t_item['creator']['name']item['creator_name'] = ILLEGAL_CHARACTERS_RE.sub(r'', item['creator_name'])item['creator_isVip']    = t_item['creator']['isVip']item['dissid']          = t_item['dissid']   #item['dissname']        = t_item['dissname']item['dissname'] = ILLEGAL_CHARACTERS_RE.sub(r'', item['dissname'])item['listennum']       = t_item['listennum']data.append(item)return data

歌单接口分析并获取歌单信息和歌曲id，同样的获取方式，打开开发者工具

代码如下

#爬取歌曲id
def getSongid(dissid):url = 'https://c.y.qq.com/qzone/fcg-bin/fcg_ucc_getcdinfo_byids_cp.fcg'header = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36','referer':'https://y.qq.com/n/yqq/playlist/{}.html'.format(dissid)}paramters = {'type':'1','json':'1','utf8':'1','onlysong':'0','disstid':dissid,'format':'jsonp','g_tk':'1089387893','jsonpCallback':'playlistinfoCallback','loginUin':'0','hostUin':'0','inCharset':'utf8','outCharset':'utf-8','notice':0,'platform':'yqq','needNewCode':0}html = requests.get(url=url,params=paramters,headers=header)cdlist = json.loads(html.text.lstrip('playlistinfoCallback(').rstrip(')'))['cdlist']if len(cdlist)>=1:cdlist = cdlist[0]data1 = {}  #保存歌单信息数据data2 = []  #用于保存歌曲部分信息ILLEGAL_CHARACTERS_RE = re.compile(r'[\000-\010]|[\013-\014]|[\016-\037]')data1['desc'] = ILLEGAL_CHARACTERS_RE.sub(r'', cdlist['desc'])data1['dissid'] = dissiddata1['songids'] = cdlist['songids']data1['tags'] = ','.join([i['name'] for i in cdlist['tags']])tags = ','.join([i['name'] for i in cdlist['tags']])for item in cdlist['songlist']:tmp = {}tmp['albumname'] = item['albumname']tmp['songname']  = item['songname']tmp['singer']  = ','.join([i['name'] for i in item['singer']])tmp['tags'] = tagsif item.has_key('size128'):tmp['size128'] = item['size128']if item.has_key('songmid'):tmp['songmid'] = item['songmid']if item.has_key('songid'):tmp['songid'] = item['songid']data2.append(tmp)return [data1,data2]

歌曲详细信息数据的获取，用同样的方法分析接口链接，并且传入歌曲id，这里就不累赘重复方法了，这一步主要目的是获取歌词，用于后续的文本分析。这里要注意的是，由于歌词源码是如图所示的内容，因此我们利用正则对歌词做了稍微的清洗。

#获取歌词内容
def getLyric(musicid,songmid):url = 'https://c.y.qq.com/lyric/fcgi-bin/fcg_query_lyric.fcg'header = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36','referer':'https://y.qq.com/n/yqq/song/{}.html'.format(songmid)}paramters = {'nobase64':1,'musicid':musicid, #传入之前获取到的id'callback':'jsonp1','g_tk':'1134533366','jsonpCallback':'jsonp1','loginUin':'0','hostUin':'0','format':'jsonp','inCharset':'utf8','outCharset':'utf-8','notice':'0','platform':'yqq','needNewCode':'0'}html = requests.get(url=url,params=paramters,headers=header)res = json.loads(html.text.lstrip('jsonp1(').rstrip(')'))#由于一部分歌曲是没有上传歌词，因此没有默认为空if res.has_key('lyric'):lyric = json.loads(html.text.lstrip('jsonp1(').rstrip(')'))['lyric']#对歌词内容做稍微清洗dr1 = re.compile(r'&#\d.;',re.S)dr2 = re.compile(r'\[\d+\]',re.S)dd = dr1.sub(r'',lyric)dd = dr2.sub(r'\n',dd).replace('\n\n','\n')return ddelse:return ""

这里在爬取歌曲信息信息和歌词的时候，因为获取到的歌曲id就有70多W（包括重复的），建议开启多线程或者多进程，我就是用pool.map开启了4进程爬取，效率提高了不止4倍，大概2天就爬完了（当然每个人电脑配置不一样，我的比较渣）

数据样式图

心得：

1.获取QQ音乐的接口链接其实不是很难，数据也是很明显就看到了。

2.一开始明明是请求成功，就是返回空数据，后来才发现原来是headers传少了referer参数，因为原先没有传入referer的习惯，忽略了。

3,.歌曲时长里面是没有具体数据的，只有文件大小，不过我想应该可以根据文件大小转化为时长，差个公式。

4.代码中用到了Mongo数据库，因为数据量有点多，不能保证一次性跑完并且中途不出差错，就没有用pandas.to_csv最后写入数据。

详细代码链接：https://github.com/lhtlht/qqmusic

写的不好，多多指正，谢谢！

爬取QQ音乐2W歌单和50W首歌曲相关推荐

python爬虫爬取qq音乐热歌榜的歌曲到本地
文章目录项目目标具体实现步骤完整代码运行结果项目目标爬取qq音乐热歌榜https://y.qq.com/n/yqq/toplist/26.html到本地文件夹具体实现步骤程序思路:用s ...
scrapy爬取QQ音乐榜单歌曲及豆瓣电影信息。
系列文章目录第一章 scrapy爬取起点中文网24小时热销榜单. 第二章 scrapy爬取苏州二手房交易信息. 第三章 scrapy爬取QQ音乐榜单歌曲及豆瓣电影信息. 目录系列文章目录前言一 ...
python爬虫爬取音乐单曲_Python爬取qq音乐的过程实例
一.前言 qq music上的音乐还是不少的,有些时候想要下载好听的音乐,但有每次在网页下载都是烦人的登录什么的.于是,来了个qqmusic的爬虫.至少我觉得for循环爬虫,最核心的应该就是找到待爬元 ...
练习---爬取QQ音乐某首歌的评论，并存入Excel表中---以《消愁》为例
import requests from bs4 import BeautifulSoup import json import xlwt#存储成Excel表格的函数 def save_excel(c ...
python爬取千千音乐榜单_Python爬取QQ音乐榜单数据
原博文 2020-08-09 12:56 − 1.爬取QQ音乐榜单数据并存入数据库(MySQL) 2.代码 import requests import json from bs4 import Be ...
【Python爬虫实战】使用Selenium爬取QQ音乐歌曲及评论信息
本文对使用到的技术仅做简单的介绍,若想了解更多,请前往相应的官网网站进行学习. 本文适合对爬虫相关知识接触不多的新手,主要是普及Selenium如何做爬虫,大佬请跳过. 1.Selenium简单介绍 ...
爬取qq音乐的评论并生成词云——以《听妈妈的话》为例
爬取qq音乐的评论并生成词云我们选取的是歌曲的周杰伦的听妈妈的话先看效果图首先,我们进去qq音乐找到这首歌网易云出来挨打 https://y.qq.com/n/yqq/song/002hXD ...
【python】实验2项目2：使用爬虫Selenium模拟浏览器获取爬取QQ音乐中你喜欢的某位歌手（陈奕迅）
请使用爬虫Selenium模拟浏览器获取爬取QQ音乐中你喜欢的某位歌手(可以是任意歌手)最受欢迎的前5首歌曲的歌词.流派.歌曲发行时间.评论条数.评论时间.评论点赞次数.评论内容具体(每一首歌的评论& ...
python爬取QQ音乐免费歌曲 2020.7.26
python爬取qq音乐免费歌曲 2020.7.26 目标分析获取音乐列表 1.浏览器网络请求追踪 2.寻找音乐列表解析qq音乐 1.下载连接组成 2.获取vkey 3.获取sign参数关系图 ...

爬取QQ音乐2W歌单和50W首歌曲

接口分析并爬取歌单id

数据样式图

爬取QQ音乐2W歌单和50W首歌曲相关推荐

最新文章

热门文章