目錄
- 一、解析網站
- 1.1 獲取音頻地址
- 1.2 解析專欄網頁
- 1.3 整理億下思路
- 二、編寫爬取代碼
一、解析網站
1.1 獲取音頻地址
在喜馬拉雅網站上，隨便點開一個音頻，打開“開發者工具”，再點擊播放按鈕，可以看到出現了多個請求：
經過排查，發現可疑url:
查看它的響應信息，發現音頻地址就在里面：
接下來，解析這個返回音頻地址的url：
https://www.ximalaya.com/revision/play/v1/audio?id=348451879ptype=1
發現url中的id參數就決定了返回的音頻地址，而id參數是音頻的id號。
1.2 解析專欄網頁
我們已經知道了獲取音頻url的網址，接下來要獲取一個專欄內的音頻id和名稱，打開一個專欄，發現：
所有的音頻存放在class為1F_的li標簽中，再來解析li標簽：
在li標簽中的第一個a標簽存儲著我們所有需要的數據，妙~啊！
1.3 整理億下思路
思路：
1.獲取專欄內的li標簽
2.獲取li標簽里的第一個a標簽
3.讀取a標簽的title和href屬性
4.將href解析成音頻id
5.將id帶入url請求音頻源地址
6.提取音頻源地址
7.請求音頻源地址
8.保存音頻（文件名為a的title屬性）
思路整理完了，開始編寫代碼。
二、編寫爬取代碼
代碼奉上——
import requests
from fake_useragent import UserAgent as ua
from bs4 import BeautifulSoup as bs
# 專欄地址
music_list_url = 'https://www.ximalaya.com/ertongjiaoyu/19702607/'
# 獲取音頻地址的url
get_link_url = "https://www.ximalaya.com/revision/play/v1/audio"
# UA偽裝
headers = {
"User-Agent": ua().random
}
# 參數
params = {
"id": None, # id先設為None
"ptype": "1",
}
# 獲取專欄HTML源碼
music_list_r = requests.get(music_list_url, headers=headers)
# 解析 獲取所有li標簽
soup = bs(music_list_r.text, "lxml")
li = soup.find_all("li", {"class": "lF_"})
# for循序遍歷處理
for i in li:
a = i.find("a") # 找到a標簽
# 獲取href屬性
# split("/")將字符串以"/"作為分隔符 從右往左數第一項是id號
music_id = a.get("href").split("/")[-1]
# 獲取title屬性 和“.m4a”拼接成文件名
music_name = a.get("title") + ".m4a"
# 修改請求參數id
params['id'] = music_id
# 獲得音頻源地址
r = requests.get(get_link_url, headers=headers, params=params)
link = r.json()['data']['src']
# 獲取音頻文件并保存
music_file = requests.get(link).content
with open(music_name, "wb") as f:
f.write(music_file)
print("下載完畢！")
運行代碼，等待億會（真的要等億會），可以看到當前目錄下已經出現了音頻文件，如圖：
到此這篇關于Python爬蟲之批量下載喜馬拉雅音頻的文章就介紹到這了,更多相關Python下載喜馬拉雅音頻內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python 批量下載陰陽師網站壁紙
- python爬蟲智能翻頁批量下載文件的實例詳解
- 用python批量下載apk
- 用python爬蟲批量下載pdf的實現
- python 批量下載bilibili視頻的gui程序
- Python爬蟲實戰之批量下載快手平臺視頻數據
