基於Python網易雲音樂歌詞爬取

來自專欄 Python的那些事兒

前幾天小編給大家分享了數據可視化分析，在文尾提及了網易雲音樂歌詞爬取，今天小編給大家分享網易雲音樂歌詞爬取方法。

本文的總體思路如下：

找到正確的URL，獲取源碼；

利用bs4解析源碼，獲取歌曲名和歌曲ID；

調用網易雲歌曲API，獲取歌詞；

將歌詞寫入文件，並存入本地。

本文的目的是獲取網易雲音樂的歌詞，並將歌詞存入到本地文件。整體的效果圖如下所示：

趙雷的歌曲

本文以民謠歌神趙雷為數據採集對象，專門採集他的歌曲歌詞，其他歌手的歌詞採集方式可以類推，下圖展示的是《成都》歌詞。

趙雷歌曲---《成都》

一般來說，網頁上顯示的URL就可以寫在程序中，運行程序之後就可以採集到我們想要的網頁源碼。But在網易雲音樂網站中，這條路行不通，因為網頁中的URL是個假URL，真實的URL中是沒有#號的。廢話不多說，直接上代碼。

獲取網頁源碼

本文利用requests、bs4、json和re模塊來採集網易雲音樂歌詞，記得在程序中添加headers和反盜鏈referer以模擬瀏覽器，防止被網站拒絕訪問。這裡的get_html方法專門用於獲取源碼，通常我們也要做異常處理，未雨綢繆。

獲取到網頁源碼之後，分析源碼，發現歌曲的名字和ID藏的很深，縱里尋她千百度，發現她在源碼的294行，藏在<ul class="f-hide">標籤下，如下圖所示：

歌曲名和ID存在的位置

接下來我們利用美麗的湯來獲取目標信息，直接上代碼，如下圖：

獲取歌曲名和ID

此處要注意獲取ID的時候需要對link進行切片處理，得到的數字便是歌曲的ID；另外，歌曲名是通過get_text()方法獲取到的，最後利用zip函數將歌曲名和ID一一對應並進行返回。

得到ID之後便可以進入到內頁獲取歌詞了，但是URL還是不給力。雖然我們可以明白的看到網頁上的白紙黑字呈現的歌詞信息，但是我們在該URL下卻無法獲取到歌詞信息。小編通過抓包，找到了歌詞的URL，發現其是POST請求還有一大堆看不懂的data，總之這個URL是不能為我們效力。那該點解呢？

莫慌，小編找到了網易雲音樂的API，只要把歌曲的ID放在API鏈接上便可以獲取到歌詞了，代碼如下：

調用網易雲API並解析歌詞

在API中歌詞信息是以json格式載入的，所以需要利用json將其進行序列化解析出來，並配合正則表達式進行清洗歌詞，如果不用正則表達式進行清洗的話，很明顯歌詞前面有歌詞呈現的時間，對於我們來說其屬於雜質信息，因此需要利用正則表達式進行匹配。誠然，正則表達式並不是唯一的方法，小夥伴們也可以採取切片的方式或者其他方法進行數據清洗，在此就不贅述了。

得到歌詞之後便將其寫入到文件中去，並存入到本地文件中，代碼如下：

寫入文件和程序主體部分

現在只要我們運行程序，輸入歌手的ID之後，程序將自動把該歌手的所唱歌曲的歌詞抓取下來，並存到本地中。如本例中趙雷的ID是6731，輸入數字6731之後，趙雷的歌詞將會被抓取到，如下圖所示：

程序運行結果

之後我們就可以在腳本程序的同一目錄下找到生成的歌詞文本，歌詞就被順利的爬取下來了。

相信大家對網易雲歌詞爬取已經有了一定的認識了，不過easier said than down，小編建議大家動手親自敲一下代碼，在實踐中你會學的更快，學的更多的。

這篇文章教會大家如何採集網易雲歌詞，那網易雲歌曲如何採集呢？且聽小編下回分解~~~

歡迎拍磚，^_^祝大家周末愉快^_^