分类

20行Python代码爬取100W多条音频文件素材~

python学习网 2020-10-16 06:00:43

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

 

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！??¤
QQ群：961562169

相关环境配置

  • python 3.6
  • pycharm
  • requests
  • parsel

相关模块可pip安装，如果觉得安装速度太慢点击下面链接查看相关教程

PIP安装模块失败或者速度慢教程

在这里插入图片描述​

请求网页

import requests
url = 'http://sc.chinaz.com/yinxiao/'
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
response = requests.get(url=url, headers=headers)
print(response.text)

在这里插入图片描述​
但是返回数据有中文乱码，编码出现了问题，所以咱们只需要转码一下就可以了

response.encoding = response.apparent_encoding

在这里插入图片描述​

解析数据

import parsel
selector = parsel.Selector(response.text)
urls = selector.css('#musiclist .n1::attr(thumb)').getall()
titles = selector.css('#musiclist .z a::attr(alt)').getall()
data = zip(urls, titles)
for i in data:
    print(i)

在这里插入图片描述​

保存数据

response_2 = requests.get(url=download_url, headers=headers)
filename = '路径' + title + '.mp3'
with open(filename, mode='wb') as f:
    f.write(response_2.content)

在这里插入图片描述​
一页的音频文件就都保存到本地文件了

多页爬取音频文件代码

import requests
import parsel
for page in range(1, 603):
    url = 'http://sc.chinaz.com/yinxiao/index_{}.html'.format(page)
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
    }
    response = requests.get(url=url, headers=headers)
    response.encoding = response.apparent_encoding
    selector = parsel.Selector(response.text)
    urls = selector.css('#musiclist .n1::attr(thumb)').getall()
    titles = selector.css('#musiclist .z a::attr(alt)').getall()
    data = zip(urls, titles)
    for i in data:
        print(i)
        download_url = i[0]
        title = i[1]
        response_2 = requests.get(url=download_url, headers=headers)
        filename = '路径' + title + '.mp3'
        with open(filename, mode='wb') as f:
            f.write(response_2.content)

在这里插入图片描述​
每页40个文件，一共是602页数据，一共大概是2W多个音频文件素材，这边咱们就不等了就下载了一千多个文件，主要下载多了也占硬盘内存~ 代码还是有很多可以优化的地方~

阅读(2701) 评论(0)