python3爬取咪咕音乐榜信息

参照上一篇爬虫小猪短租的思路https://www.cnblogs.com/aby321/p/9946831.html，继续熟悉基础爬虫方法，本次爬取的是咪咕音乐的排名

咪咕音乐榜首页http://music.migu.cn/v2/music/billboard/?_from=migu&page=1

注意：本程序有时候运行会报错，此时重新运行即可，报错原因不明了！

与小猪短租不同的是，爬取的排名信息不在每首歌曲的详细页面内，需要在分页url中获取（代码19-25行），使用打包循环并且输出给函数get_info()

"""

典型的分页型网站——咪咕音乐榜

有时候运行会报错，有时候正常，原因不知道

"""

import requests

from bs4 import BeautifulSoup as bs

import time

headers = {

'User-Agent':'User-Agent:Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'

}

#获取每一个歌曲的网址,参数是分页url

def get_link(url):

html_data = requests.get(url, headers = headers)

soup = bs(html_data.text, 'lxml')#bs4推荐使用的的解析库

#print(soup.prettify()) #标准化输出url中的源代码（有可能跟网页查看中的不一致，网页中有可能标签书写不规范）以此为基础抓取，如果抓取失败，用此命令查看源代码

links = soup.select('#js_songlist > div > div.song-name > span > a')#注意循环点！！！

ranks = soup.select('#js_songlist > div > div.song-number ')#因为歌曲详情里没有排名信息，因此需要在这部分获取详情信息

#print(ranks)

for rank, link in zip(ranks,links):#打包循环，主要为了输出配套的rank和link

rank = rank.get_text()

link = 'http://music.migu.cn' + link.get('href')#观察每个歌曲的详细网页发现，前面部分需要手动添加http://music.migu.cn

#print(rank,link)

get_info(rank,link)

#获取每一个歌曲的详细信息，排名、歌名、歌手和专辑名，参数url是每个歌曲的网址

def get_info(rank,url):

html_data = requests.get(url, headers = headers)

soup = bs(html_data.text, 'lxml')#bs4推荐使用的的解析库

# print(soup.prettify()) #标准化输出url中的源代码（有可能跟网页查看中的不一致，网页中有可能标签书写不规范）以此为基础抓取，如果抓取失败，用此命令查看源代码

title = soup.select('div.container.pt50 > div.song-data > div.data-cont > div.song-name > span.song-name-text')[0].string.strip()

# 用网页copy过来的全部是“body > div.wrap.clearfix.con_bg > div.con_l > div.pho_info > h4 > em”，但是使用这个爬不出来数据（我也不知道why），把body去掉或者用下面最简短的方式（只使用最近的且唯一的div）

# title = soup.select('div.pho_info > h4 > em ')

# 查询结果title格式是一维列表，需要继续提取列表元素（一般就是[0])，列表元素是前后有标签需要继续提取标签内容，使用get_text()或者string

singer = soup.select('div.container.pt50 > div.song-data > div.data-cont > div.song-statistic > span > a')[0].string.strip()

cd = soup.select('div.container.pt50 > div.song-data > div.data-cont > div.style-like > div > span > a')[0].string.strip() # 获取标签的属性值

#将详细数据整理成字典格式

data = {

'排名':rank,

'歌名':title,

'歌手':singer,

'专辑':cd

}

print(data)

#程序主入口

if __name__=='__main__':

for number in range(1,3):

url = 'http://music.migu.cn/v2/music/billboard/?_from=migu&page={}'.format(number) #构造分页url（不是歌曲详情的url）

get_link(url)

time.sleep(1)

输出结果：每次输出data数据（字典型）字段顺序是随机的，因为本身字典型数据就没有顺序，如果想固定顺序的话请使用列表

举一反三：同类型的分页型网站均可使用此爬虫模板，例如豆瓣电影top100、时光网top榜之类的

ps：不知道这个榜单准不准，反正我基本没听过（可能是我out了）