简易爬虫-抓取某个音乐网站的资源

蟹老板阿

[Python] 纯文本查看 复制代码

#!/usr/bin/python
# -*- coding: utf-8 -*-
import requests
import re
import time

songKey     = []  #存放歌曲key（url相关）
songNames   = []  #存放歌曲名称
Author      = []

url   = "https://www.hifini.com/" #网站首页的URL
#url   = "<a href=\"thread-62290.htm\"……>金池《谁不是》[FLAC/MP3-320K]</a><a href=\"thread-62290.htm\">金池《谁不是》[FLAC/MP3-320K]</a>"
html  = requests.get(url)
strr  = html.text
pat1 = 'thread-......htm'
song_url = re.findall(pat1,strr)
song_url = set(song_url)
#part2 = re.findall('《*》',html)
#part0 = re.findall(r"^(<a href=\")(\d+)(\">)",url,re.M)  #用于解析歌曲所在的html字符串的正则
#print song_url
for i in song_url:
    song_html = requests.get("https://www.hifini.com/"+i)
    strr2 = song_html.text
    realsong_url = re.findall(' url: \'(.*?)\',',strr2,re.S)
    songNames = re.findall(' title: \'(.*?)\',',strr2,re.S)
    PicUrl = re.findall(' pic: \'(.*?)\'',strr2,re.S)
    Author = re.findall(' author:\'(.*?)\',',strr2,re.S)
    
    Realsong_url = "".join(realsong_url)
    SongNames = "".join(songNames)
    Picurl = "".join(PicUrl)
    AuThor = "".join(Author)
   
    print(Realsong_url)
    print(SongNames)
    print(Picurl)
    print(AuThor) 
    print()
#    source_data = "www.hifini.com/"+ Realsong_url
#    print("song_url = " + source_data)
#    print("song_name = " + SongNames)
#    print("pic_url = " + Picurl)
#    print("author = " + AuThor)
#    print()
        

蟹老板阿

papa08 发表于 2020-11-21 18:34
点赞楼主！一直都想学Python的，也想学这个爬虫，有学习资料什么好推荐的吗？

看bilibili自己学习，不要觉得python很难，python只是脚本语言，做基本的爬虫很简单

fuli2018

蟹老板阿 发表于 2020-11-24 20:40
我这个是极其简易的抓取脚本，不算严格意义上的爬虫，一切合法，只做学习用

看了是64k音质！一点用没有！么意义！浪费表情！需要高清建议不要下载了！白忙活

fuli2018

是不是高清啊！还是128kb的啊

mrlee2333

👍👍

乄Spectre乄

感谢分享！！

lonelydrunk

能不能加多点注释，小白不懂

Dream：

纯小白看不懂

lmaxys

以后的趋势是各网站反爬虫机制越来越健全

hshcompass

谢谢分享

wanshiz

谢谢分享，借鉴下。

健康的小牛牛

正在学习中，抱走了，谢谢分享