百度VIP音乐爬取
- 网页分析
- 分析音乐的真实地址
- url拼接 获取所有数据
- 批量获取singid
- 代码编写
- 获取所有的songid
- 根据songid获取音乐的真实地址
- 保存音乐文件
- 无版权音乐稻香的爬取
网页分析
目标站点：网页链接陈粒
一个人可以跑得很快,一群人可以走得更远!
分析音乐的真实地址
选择一首歌 以陈粒的走马为例
打开开发者工具，选择network -> media -> 刷新网页就能获取到音乐的真实地址
但是得到的地址在查看源码中是读取不到的，肯定是百度音乐对其进行了隐藏。这种时候一般会有两种情况。第一种是使用了 JavaScript 对请求连接进行了拼接或加密，第二种是数据被隐藏了。由于我们不清楚是出现了那种情况。所以我们只能慢慢的去分析请求的数据。
经过分析我们可以看到真实的音乐地址是存在于这个API里面网页链接
并且我们请求这个 API 返回的是一个 json 数据（也就是python的字典数据类型）。只要我们使用字典的规则就能将我们的所有数据给提取到。
url拼接 获取所有数据
前面我们得到了音乐的真实地址，接下来我们就是分析真实地址的 url ，以期待得到下载所有音乐的诀窍。
仔细分析一下 url 就可以发现，?后面的from参数与_即使不存在也不影响数据的请求。
并且后面的参数中的songid其实就是歌曲的唯一id，from参数其实就是表明从哪个平台过来的
所以等一下我们下载音乐时，只要批量获取到歌曲的songid就能将所有的歌曲给全部下载下来了。不管音乐是否是VIP的，又或者时无版权的均可爬取。
批量获取singid
使用开发者工具，查看网页源码就能查看到songid的位置，如果我们分析一个歌手页面的url你会发现同样可以构造。
到此，整个网页分析就结束了。
代码编写
获取所有的songid
根据目标地址，获取目标地址的所有songid
def get_songid(): url = '网页链接 response = requests.get(url=url) html = response.text sids = re.findall(r'sid":(d+),',html) return sids
根据songid获取音乐的真实地址
def get_music_url(songid): api_url = '网页链接{songid}&from=web' response = requests.get(api_url.format(songid=songid)) str_json = re.findall(r'{.*}', response.text)[0] data = json.loads(str_json) music_name = data['songinfo']['title'] music_url = data['bitrate']['file_link'] print(music_url, music_name)
保存音乐文件
def save_file(filename, content): with open(file=filename, mode="wb") as f: f.write(content)
无版权音乐稻香的爬取