精选_基于python的网易云音乐分析_源码打包

# 基于python的网易云音乐分析 - MacOS Sierra 10.12.1 - Python 2.7 - selenium 3.4.3 - phantomjs # 前言 > 发现自己有时候比挖掘别人来的更加有意义，自己到底喜欢谁的歌，自己真的知道么？习惯不会骗你 # 搭建爬虫环境 ## 1.安装selenium ```shell pip install selenium # anaconda环境的可用conda install selenium # 网速不好的可用到https://pypi.python.org/pypi/selenium下载压缩包，解压后使用python setup.py install ``` ## 2.安装Phantomjs ### 2.1 Mac版本 ``` 步骤一下载包：去这里下载对应版本http://phantomjs.org/download.html 步骤二解压：双击就行，用unzip这都无所谓 步骤三切入路径:cd ~/Downloads/phantomjs-2.1.1-macosx/bin # 我下的路径的路径是download，版本不一，注意修改 步骤四：chmod +x phantomjs 步骤五: 配置环境，因为我装的的zsh，所以文件需要修改的是~/.zshrc这个文件，加上这句话export PATH="/Users/mrlevo/Downloads/phantomjs-2.1.1-macosx/bin/:$PATH"，然后source ~/.zshrc 即可生效(没用zsh的同学，直接修改的文件时~/.bash_profile，添加内容和上述一致) 查看是否生效：phantomjs -v # 有信息如 2.1.1 则生效 ``` mac若遇到问题请参考[PhantomJS 安装](https://segmentfault.com/a/1190000009020535) ### 2.2 Win版本 ``` 官网http://phantomjs.org/下载PhantomJS解压后如下图所示： ```  > 调用时可能会报错“**Unable to start phantomjs with ghostdriver**”如图：  > 此时可以设置下Phantomjs的路径，同时如果你配置了Scripts目录环境变量，可以解压Phantomjs到该文件夹下。可参考[Selenium with GhostDriver in Python on Windows - stackoverflow](http://stackoverflow.com/questions/21768554/selenium-with-ghostdriver-in-python-on-windows)，整个win安装过程可参考[在Windows下安装PIP+Phantomjs+Selenium](http://blog.csdn.net/eastmount/article/details/47785123)],Mac和Linux/Ubuntu 下可参考[[解决：Ubuntu(MacOS)+phantomjs+python的部署问题](http://blog.csdn.net/mrlevo520/article/details/73196256) ## 3. 测试安装是否成功 ``` # 进入python环境后执行如下操作 # win下操作 >>> from selenium import webdriver # pip install selenium >>> driver_detail = webdriver.PhantomJS(executable_path="F:\Python\phantomjs-1.9.1-windows\phantomjs.exe") >>> driver_detail.get('https://www.baidu.com') >>> news = driver_detail.find_element_by_xpath("//div[@id='u1']/a") >>> print news.text 新闻 >>> driver_detail.quit() # 记得关闭，不然耗费内存 ------------------------------------------------------------------------ # mac下操作 >>> from selenium import webdriver # pip install selenium >>> driver_detail = webdriver.PhantomJS() >>> driver_detail.get('https://www.baidu.com') >>> news = driver_detail.find_element_by_xpath("//div[@id='u1']/a") >>> print news.text 新闻 >>> driver_detail.quit() # 记得关闭，不然耗费内存 ``` # 爬取动态数据 > 获取自己的id号，这个可以自己登陆自己的网易云音乐后获得，就是id=后面那个值  > 构造爬取的id，因为我发现，每个人的id只要被获取到，他的歌单都是公开的！！！这就节省了自动登录的一步，而且，我还有个大胆的想法，哈哈哈，我还要搞个大新闻！这次先不说~ **墙裂推荐先阅读该博客掌握获取元素方法：[Python爬虫 Selenium实现自动登录163邮箱和Locating Elements介绍](http://blog.csdn.net/eastmount/article/details/47825633)** ```python # -*- coding: utf-8 -*- import traceback from selenium import webdriver import selenium.webdriver.support.ui as ui from selenium.webdriver.common.desired_capabilities import DesiredCapabilities import time import random # 存储为文本的子函数 def write2txt(data,path): f = open(path,"a") f.write(data) f.write("\n") f.close() # 获取该id喜欢音乐的列表 def catchSongs(url_id,url): user = url_id.split('=')[-1].strip() print 'excute user:',user driver = webdriver.PhantomJS()#,executable_path='/Users/mrlevo/phantomjs-2.1.1-macosx/bin/phantomjs') # 注意填上路径 driver.get(url) driver.switch_to_frame('g_iframe') # 网易云的音乐元素都放在框架内！！！！先切换框架 try: wait = ui.WebDriverWait(driver,15) wait.until(lambda driver: driver.find_element_by_xpath('//*[@class="j-flag"]/table/tbody')) # 等待元素渲染出来 try: song_key = 1 wrong_time = 0 while wrong_time < 5: # 不断获取歌信息，假定5次获取不到值，就判无值可获取，跳出循环 try: songs = driver.find_elements_by_xpath('//*[@class="j-flag"]/table/tbody/tr[%s]'%song_key) info_ = songs[0].text.strip().split("\n") if len(info_) == 5: info_.insert(2,'None') # 没有MV选项的进行插入None new_line = '%s|'%user+'|'.join(info_) song_key +=1 #new_line = "%s|%s|%s|%s|%s|%s|%s"%(user,info_[0],info_[1],info_[2],info_[3],info_[4],info_[5]) print new_line write2txt(new_line.encode('utf-8'),user) # mac写入文件需要改变字符，以id命名的文件，存储在执行脚本的当前路径下，在win下请去掉编.endcode('utf-8') except Exception as ex: wrong_time +=1 # print ex except Exception as ex: pass except Exception as ex: traceback.print_exc() finally: driver.quit() # 获取id所喜爱的音乐的url def catchPlaylist(url): driver = webdriver.PhantomJS()#,executable_path='/Users/mrlevo/phantomjs-2.1.1-macosx/bin/phantomjs') # 注意填上路径 driver.get(url) driver.switch_to_frame('g_iframe') # 网易云的音乐元素都放在框架内！！！！先切换框架 try: wait = ui.WebDriverWait(driver,15) wait.until(lambda driver: driver.find_element_by_xpath('//*[@class="m-cvrlst f-cb"]/li[1]/div/a')) # 根据xpath获取元素 urls = driver.find_elements_by_xpath('//*[@class="m-cvrlst f-cb"]/li[1]/div/a') favourite_url = urls[0].get_attribute("href") except Exception as ex: traceback.print_exc() finally: driver.quit() # print favourite_url return favourite_url if __name__ == '__main__': for url in ['http://music.163.com/user/home?id=67259702']: # 这里把自己的id替换掉，想爬谁的歌单都可以，只要你有他的id time.sleep(random.randint(2, 4)) # 随机休眠时间2~4秒 url_playlist = catchPlaylist(url) time.sleep(random.randint(1, 2)) catchSongs(url,url_playlist) ``` > 不出意外的话，你的执行脚本的目录下会产生一个以你的id命名的文件，里面打开应该是这样的 ```shell 67259702|2|因为了解|None|04:08|汪苏泷|慢慢懂 67259702|3|潮鳴り|None|02:37|折戸伸治|CLANNAD ORIGINAL SOUNDTRACK 67259702|4|每个人都会|None|02:58|方大同|橙月 Orange Moon 67259702|5|Don't Cry (Original)|MV|04:44|Guns N' Roses|Greatest Hits 67259702|6|妖孽（Cover：蒋蒋）|None|02:58|醉影An|醉声梦影 67259702|7|好好说再见（Cover 陶喆 / 关诗敏）|None|04:06|锦零/疯疯|zero 67259702|8|好好说再见（cover陶喆）|None|03:34|AllenRock|WarmCovers ·早 # 这边分别爬取的数据结构是： id|歌次序|歌名|是否有MV|时长|歌手|专辑 ``` # Show数据-ROUND1 > 接下来�