??本篇分享將實現在新浪微盤上下載周杰倫的歌曲,一共190首,下載的網頁網址為http://vdisk.weibo.com/s/arjVBmagFKiLy,頁面如下:
新浪微盤 周杰倫歌曲
??先定一個小目標:下載本頁面中的所有190首歌曲!怎么樣,有沒有一點心動的感覺呢?哈哈,當然講解爬蟲前,需要一些準備工作:
- 安裝Anaconda以及Selenium模塊
- 安裝Chrome瀏覽器驅動
- 一些基礎的Python編程知識
- 一顆好奇的心
??首先在Anaconda官網上下載適合自己電腦的Anaconda版本。下載完后打開Anaconda Prompt,輸入pip install selenium安裝selenium模塊。
pip install selenium
??耐心等待安裝,安裝完后再輸入conda list selenium,如出現以下信息,則表示安裝成功。
conda list selenium
??接下來安裝Chrome瀏覽器驅動,可以在http://npm.taobao.org/mirrors/chromedriver/2.31/ 上下載,Windows系統選擇chromedriver_win32.zip 文件。這是一個壓縮包,解壓后存到一個目錄中,然后把該目錄添加到環境變量。
??在Spyder上運行Python程序源代碼(或者在碼云網站上下載Python源代碼Chrome_song_download_with_Class.py),源代碼如下:
import os
import re
import bs4
import time
import datetime
import urllib.request
from bs4 import BeautifulSoup
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.common.action_chains import ActionChains
class download_songs(object):
def __init__(self,url,save_file_name):
self.url = url
self.save_file_name = save_file_name
def get_song_names(self):
html = urllib.request.urlopen(self.url)
content = html.read()
html.close()
print("已獲得該頁面!")
soup = BeautifulSoup(content, "lxml")
print("頁面解析完畢!進入歌曲下載...")
song_lst = soup.find_all('a', class_="short_name")
print("一共找到%d首歌曲!\n"% len(song_lst))
song_names = [song.string for song in song_lst]
return song_names
def get_songs(self):
#設置Chrome瀏覽器,并啟動
chrome_options = webdriver.ChromeOptions()
# 不加載圖片(提升加載速度);設置默認保存文件徑路
prefs = {"profile.managed_default_content_settings.images":2,\
"download.default_directory": '%s' %self.save_file_name}
chrome_options.add_experimental_option("prefs",prefs)
browser = webdriver.Chrome(chrome_options=chrome_options) #啟動瀏覽器
print("瀏覽器已啟動")
song_names = self.get_song_names()
browser.maximize_window() #窗口最大化
browser.set_page_load_timeout(30) # 最大等待時間為30s
#當加載時間超過30秒后,自動停止加載該頁面
try:
browser.get(self.url)
except TimeoutException:
browser.execute_script('window.stop()')
#遍歷所有的tags,下載歌曲
for i in range(len(song_names)):
#當開始的12首歌下載完后,需要下拉網頁內嵌的滾動條
if i >= 12:
#找到網頁內嵌的滾動條
Drag = browser.find_element_by_class_name("jspDrag")
#獲取滾動槽的高度
groove = browser.find_element_by_class_name("jspTrack")
height_of_groove = int(re.sub("\D","",str(groove.get_attribute("style"))))
#利用鼠標模擬拖動來下拉該滾動條
move_of_y = i * height_of_groove/len(song_names) #每次下拉的滾動條的高度
ActionChains(browser).drag_and_drop_by_offset(Drag, 0, move_of_y).perform()
elem_lst = browser.find_elements_by_class_name("short_name") #所有歌的tags
elem= elem_lst[i]
elem.click() #點擊該tag,切換到該歌曲的下載頁面
time.sleep(5)
button = browser.find_element_by_id("download_big_btn") #按下下載按鈕
print("已找到第%d首歌: %s"%(i+1, song_names[i]))
button.click()
print("%s 正在下載中..."%song_names[i])
file_exit_flg = len(os.listdir(r"%s"%self.save_file_name))
time.sleep(8)
#歌曲是否存在處理,如果存在,輸出“下載成功”,否則等待15秒,再次判斷后決定是否刷新頁面
if len(os.listdir(r"%s"%self.save_file_name)) == file_exit_flg +1:
print("%s 下載成功!\n"%song_names[i])
else:
exit_flag = 0 #退出標志,嘗試下載5次,5次下載仍未成功后輸出“下載失敗!”
while True:
time.sleep(8)
if len(os.listdir(r"%s"%self.save_file_name)) == file_exit_flg +1:
print("%s 下載成功!\n"%song_names[i])
break
print("%s 下載未成功,再次嘗試下載!"%song_names[i])
browser.refresh() #等待15秒后,文件還未下載,則刷新網頁
time.sleep(5)
print("已刷新網頁!")
#刷新網頁后執行剛才的操作
button = browser.find_element_by_id("download_big_btn")
button.click()
print("%s 正在下載中..."%song_names[i])
file_exit_flg = len(os.listdir(r"%s"%self.save_file_name))
time.sleep(8)
exit_flag += 1
if exit_flag == 2:
print("%s 下載失敗!\n"%song_names[i])
break
browser.back() # 網頁后退
time.sleep(8)
browser.close() #操作結束,關閉Chrome瀏覽器
print("\n本頁面操作已經結束!請前往下載位置(%s)查看下載文件. Y(^O^)Y "% self.save_file_name)
def main():
d1 = datetime.datetime.now()
#下載歌曲的網頁網址
url = 'http://vdisk.weibo.com/s/arjVBmagFKiLy'
#保存文件的目錄
save_file_name = "F:\music\music_of_周杰倫"
for_test = download_songs(url,save_file_name)
try:
for_test.get_songs()
except TimeoutException:
sum_of_files = len(os.listdir(save_file_name))
print("下載超時啦!!!此次操作共下載了%d首歌(可能有重復或未下載完的),到此就結束了哦 ^o^" % sum_of_files)
d2 = datetime.datetime.now()
print("開始時間:",d1)
print("結束時間:",d2)
print("一共用時:",d2-d1)
main()
??筆者利用空余時間,在自己的電腦上運行后的結果如下:
運行結果
??190首歌曲下載花了102.5分鐘,平均每首歌32.2s,運行結果還是相當可以的,how exiting!!!
??該程序適合下載新浪微盤上分享的歌曲,類似于本例,這樣的網址還是很多的,可以在碼云網站上下載新浪微盤網址文檔.txt.歡迎大家進行測試,可以單個測試,也可以寫成字典dict測試。
由于筆者時間倉促和技術水平有限,代碼中可能會存在一些錯誤和不足之處,希望廣大網友能批評指導!!!歡迎大家下載代碼,歡迎大家一起交流~~