手把手教你使用Python抓取QQ音乐数据（第三弹）

Python进阶者

发布于 2020-04-08 14:46:41

1.4K0

发布于 2020-04-08 14:46:41

文章被收录于专栏：Python爬虫与数据挖掘

【一、项目目标】

通过手把手教你使用Python抓取QQ音乐数据（第一弹）我们实现了获取 QQ 音乐指定歌手单曲排行指定页数的歌曲的歌名、专辑名、播放链接。

通过手把手教你使用Python抓取QQ音乐数据（第二弹）我们实现了获取 QQ 音乐指定歌曲的歌词和指定歌曲首页热评。

此次我们在项目（二）的基础上获取更多评论并生成词云图，形成手把手教你使用Python抓取QQ音乐数据（第三弹）。

【二、需要的库】

主要涉及的库有：requests、json、wordcloud、jieba

如需更换词云图背景图片还需要numpy库和PIL库（pipinstall pillow）

【三、项目实现】

1.首先回顾一下，下面是项目（二）获取指定歌曲首页热评的代码；

def get_comment(i):
    url_3 = 'https://c.y.qq.com/base/fcgi-bin/fcg_global_comment_h5.fcg'
    headers = {
'user-agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',
        # 标记了请求从什么设备，什么浏览器上发出
        }
    params = {'g_tk_new_20200303': '5381', 'g_tk': '5381', 'loginUin': '0', 'hostUin': '0', 'format': 'json', 'inCharset': 'utf8', 'outCharset': 'GB2312', 'notice': '0', 'platform': 'yqq.json', 'needNewCode': '0', 'cid': '205360772', 'reqtype': '2', 'biztype': '1', 'topid': id, 'cmd': '8', 'needmusiccrit': '0', 'pagenum': '0', 'pagesize': '25', 'lasthotcommentid': '', 'domain': 'qq.com', 'ct': '24', 'cv': '10101010'}
    res_music = requests.get(url_3,headers=headers,params=params)
    # 发起请求
    js_2 = res_music.json()
    comments = js_2['hot_comment']['commentlist']
    f2 = open(i+'评论.txt','a',encoding='utf-8')    #存储到txt中
    for i in comments:
        comment = i['rootcommentcontent'] + '\n——————————————————————————————————\n'
        f2.writelines(comment)
    # print(comment)
f2.close()

2.下面来考虑如何获取后面的评论，下图是项目（二）评论页面的parms参数；

3.网页无法选择评论的页码，想看后面的评论智能一次一次的点击“点击加载更多”；我们可以点击一下看看parms有什么变化。

4.这里有个小技巧，先点击下图所示clear按钮，把network界面清空，再点击“点击加载更多”，就能直接找到第二页的数据。

5.点击加载更多后出现下图。

6.发现不止pagenum变了，cmd和pagesize也变了，到底那个参数的问题呢，那我们再看下第三页；

7.只有pagenum变了，那我们尝试一下把pagenum改成“0”，其他不变，能正常显示第一页数据吗?

第一页第一条评论

第一页最后一条评论。

8.能正常显示，那就确定思路了：用第二页的parms，写一个for循环赋值给pagenum，参考项目（二）把评论抓取到txt。

9.代码实现：为了不给服务器造成太大压力，我们本次只爬取20页数据。

import requests,json
 
def get_id(i):
    global id
    url_1 = 'https://c.y.qq.com/soso/fcgi-bin/client_search_cp'
    # 这是请求歌曲评论的url
    headers = {'user-agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}
    params = {'ct': '24', 'qqmusic_ver': '1298', 'new_json': '1', 'remoteplace': 'txt.yqq.song', 'searchid': '71600317520820180', 't': '0', 'aggr': '1', 'cr': '1', 'catZhida': '1', 'lossless': '0', 'flag_qc': '0', 'p': '1', 'n': '10', 'w': i, 'g_tk': '5381', 'loginUin': '0', 'hostUin': '0', 'format': 'json', 'inCharset': 'utf8', 'outCharset': 'utf-8', 'notice': '0', 'platform': 'yqq.json', 'needNewCode': '0'}
    res_music = requests.get(url_1,headers=headers,params=params)
    json_music = res_music.json()
    id = json_music['data']['song']['list'][0]['id']
    return id
    # print(id)

def get_comment(i):
    url_3 = 'https://c.y.qq.com/base/fcgi-bin/fcg_global_comment_h5.fcg'
    headers = {'user-agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}
    f2 = open(i+'评论.txt','a',encoding='utf-8')    #存储到txt中
    for n in range(20):
        params = {'g_tk_new_20200303': '5381', 'g_tk': '5381', 'loginUin': '0', 'hostUin': '0', 'format': 'json', 'inCharset': 'utf8', 'outCharset': 'GB2312', 'notice': '0', 'platform': 'yqq.json', 'needNewCode': '0', 'cid': '205360772', 'reqtype': '2', 'biztype': '1', 'topid': '247347346', 'cmd': '6', 'needmusiccrit': '0', 'pagenum':n, 'pagesize': '15', 'lasthotcommentid': 'song_247347346_3297354203_1576305589', 'domain': 'qq.com', 'ct': '24', 'cv': '10101010'}
        res_music = requests.get(url_3,headers=headers,params=params)
        js_2 = res_music.json()
        comments = js_2['comment']['commentlist']
        
        for i in comments:
            comment = i['rootcommentcontent'] + '\n——————————————————————————————————\n'
            f2.writelines(comment)
        # print(comment)
    f2.close()
    input('下载成功，按回车键退出！')

def main(i):
    get_id(i)
    get_comment(i)
main(i = input('请输入需要查询歌词的歌曲名称：'))

10.词云图代码

from wordcloud import WordCloud
import jieba
import numpy
import PIL.Image as Image  #以上两个库是为了更换词云图背景图片
 
def cut(text):
    wordlist_jieba=jieba.cut(text)
    space_wordlist=" ".join(wordlist_jieba)
    return space_wordlist
with open("句号评论.txt" ,encoding="utf-8")as file:
    text=file.read()
    text=cut(text)
    mask_pic=numpy.array(Image.open("心.png"))
    wordcloud = WordCloud(font_path="C:/Windows/Fonts/simfang.ttf",
    collocations=False,
    max_words= 100,
    min_font_size=10, 
    max_font_size=500,
    mask=mask_pic).generate(text)
    image=wordcloud.to_image()
    # image.show()
    wordcloud.to_file('云词图.png')  # 把词云保存下来

11.成果展示

【四、总结】

1.项目三比项目二多的功能:一是通过寻找parms参数里每一页评论页码之间的关系，爬取更多的评论；二是学会生成词云图；（注意读取文件的路径）

2.WordCloud更多参数详见下图，可以研究出更多的玩法；

3. 不只.txt可以作为词云图的数据源，csv、Excel也可以：

import xlrd 
#引入excel读取模块
 
datafile_path = '你的Excel文件.xlsx'
data = xlrd.open_workbook(datafile_path)
#文件名以及路径
table = data.sheet_by_name('sheet')
##通过名称获取Sheet1表格
nrows = table.nrows
#获取该Sheet1中的有效行数
list = []
for i in range(nrows):
    value = str(table.row_values(i)[1])
    # print(value)
    list.append(value)
# print(pingjia_list)
text = str(list).replace("'", '').replace(',', '').rstrip(']').lstrip('[')
# print(text)

4.爬QQ音乐项目到此告一段落，如有需要的话可以通过Scrapy框架爬取更多的歌曲信息、歌词、评论。但是作为练手项目，重要的不是爬多少数据，而是学会如何爬取指定的数据。

5.第四弹小编将会把前面三个项目封装在一起，通过菜单控制爬取不同数据，敬请期待。

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2020-04-04，如有侵权请联系 cloudcommunity@tencent.com 删除

腾讯云图数据可视化