需求分析
每當歌荒時,總想找那些播放量比較高的歌單聽,畢竟這麼多人選擇的歌單歌曲質量總會有保證.
爬取目標
本文將提取網易雲音樂 播放量在1000萬 以上的歌單名稱,播放量和鏈接地址.
準備工作
保證電腦安裝了 python3.6 和已經安裝好了 selenium 庫.沒安裝的可通過 在終端輸入 pip install selenium 進行安裝.
爬取分析
打開歌單的 url:http://music.163.com/#/discover/playlist.用 Chrome 的開發者工具 (F12) 分析.
頁面詳情
發現歌單信息在
- 下的
- 標籤中.
因此我們可以通過以下代碼獲取歌單信息:from selenium import webdriveurl = http://music.163.com/#/discover/playlistbrowser = webdrive.Chrome()brows.get(url)data = browser.find_element_by_id('m-pl-container').find_elements_by_tag_name('li')
但是我們會發現無法獲取歌單信息,原因是注意看圖片最前面發現有個
獲取歌單詳細信息
頁面詳情
通過上圖我們發現歌單名和地址在 中,播放量在14萬中.接下來我們來獲取首頁的歌單信息.抓取首頁
from selenium import webdriverimport csvbrowser = webdr.Chrome()csv_file = open('playlist.csv', 'w', newline='', encoding='utf-8') #注意此處必須得加 encoding='utf-8,不然遇到歌單名包含特殊字符會報錯writer = csv.writer(csv_file)writer.writerow(['標題', '播放數', '鏈接'])url = 'http://music.163.com/#/discover/playlist/?order=hot&cat=%E5%85%A8%E9%83%A8&limit=35&offset=0'browser.get(url)browser.switch_to.frame('contentFrame')data = browser.find_element_by_id('m-pl-container').find_elements_by_tag_name('li')for i in range(len(data)): nb = data[i].find_element_by_class_name('nb').text if '萬' in nb and int(nb.split('萬')[0]) > 1000: msk = data[i].find_element_by_css_selector('a.msk') writer.writerow([msk.get_attribute('title'), nb, msk.get_attribute('href')])csv_file.close()
獲取所有頁面
頁面數據
通過分析我們發現每一頁的地址只是 offset 發生了偏移,即每一頁加 35,有人可能會想到用改變 offset 的方法來獲得所有頁面數據,我試過,會報錯,無法找到頁面,不知道是我方法不對還是怎麼滴,有興趣的可以試一下這裡我們採取另一種方法來獲取所有頁面數據.
觀察最後一行有個文本是下一頁,而且 class='zbtn znxt',前面顯示頁面數據的class='zpgi'.一次我們可以通過class='zbtn znxt'來獲取所有數據信息.
注意:使用webdrive.Chrome()會打開瀏覽器,每跳一個頁面就會打開瀏覽器一次.我們可以將其換成chrome_options = webdriver.ChromeOptions() chrome_options.add_argument('--headless') browser = webdriver.Chrome(chrome_options=chrome_options),它把網站加載到內存並執行頁面上的JavaScript,但是它不會向用戶展示網頁的圖形界面.
完整代碼
from selenium import webdriverimport csvchrome_options = webdriver.ChromeOptions()chrome_options.add_argument('--headless')browser = webdriver.Chrome(chrome_options=chrome_options)csv_file = open('playlist.csv', 'w', newline='', encoding='utf-8')writer = csv.writer(csv_file)writer.writerow(['標題', '播放數', '鏈接'])url = 'http://music.163.com/#/discover/playlist/?order=hot&cat=%E5%85%A8%E9%83%A8&limit=35&offset=0'while url != 'javascript:void(0)': browser.get(url) browser.switch_to.frame('contentFrame') data = browser.find_element_by_id('m-pl-container').find_elements_by_tag_name('li') for i in range(len(data)): nb = data[i].find_element_by_class_name('nb').text if '萬' in nb and int(nb.split('萬')[0]) > 1000: msk = data[i].find_element_by_css_selector('a.msk') writer.writerow([msk.get_attribute('title'), nb, msk.get_attribute('href')]) url = browser.find_element_by_css_selector('a.zbtn.znxt').get_attribute('href')csv_file.close()
閱讀更多 waspvae 的文章
關鍵字: Chrome 網易 JavaScript