简易Python Selenium爬虫实现歌曲免费下载

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

简易Python Selenium爬虫实现歌曲免费下载

作者:GreyyHawk

最近发现越来越多的歌曲下载都需要缴费了,对维护正版是好事。但有的时候也想钻个空子,正好最近在学习python,随手写了一个建议爬虫,用来爬取某播放软件的在线音乐。

主要思路就是爬取播放页里的播放源文件的url,程序可以读取用户输入并返回歌单,,,因为在线网站包含大量js,requests就显得很无奈,又懒得手动解析js,于是寄出selenium大杀器。

selnium是一款很强大的浏览器自动化测试框架,直接运行在浏览器端,模拟用户操作,目前selenium支持包括IE,Firefox,Chrome等主流浏览器及PhantomJS之类的无头浏览器,selenium+phantomjs也是现在很火的一个爬虫框架。

代码不长,做的有些简陋,以后可以加个GUI。。。。

步骤一:

进入酷狗主页,F12查看元素,,通过selenium.webdriver的send_keys()方法给send_input类传参,即用作用户的输入,然后通webdriver.click()方法点击搜索按钮,得到搜索结果列表。这里会有一个js重定向,通过webdriver.current_ur就可以了,,切记一点!传入的参数需要经过unicode编码(.decode(‘gb18030′))效果一样),否则如果有中文会乱码。。(来自被深深困扰的我)

简易Python Selenium爬虫实现歌曲免费下载

步骤二:

查看元素里每首歌的路径,发现每首歌的路径只有<li>不同,于是通过对li的迭代来获取每一首歌的xpath,并输出歌曲名字的元素,然后依旧通过webdriver的click()方法点击歌曲链接,得到歌曲播放页面,这里没有什么难点,都是常规操作。需要注意的是,这里的歌曲链接也包含一个js的重定向,但不一样的是浏览器会打开一个新的页面(至少火狐会),可以在click()方法后通过webdriver.switch_to_window()方法跳转到新打开的页面

简易Python Selenium爬虫实现歌曲免费下载

步骤三:

进入播放页面后通过xpath找到播放源文件链接(强推firepath,xpath神器啊)但发现这里依然有一个js渲染,来生成播放源链接,直接提取<src>标签会显示为空,于是继续webdriver,调用的浏览器会自动解析js脚本,解析完成后提取<src>得到歌曲链接,使用urllib的urlretrueve()下载即可

简易Python Selenium爬虫实现歌曲免费下载

代码如下:

				#coding=utf-8
				from selenium.webdriver.remote.webelement import WebElement
				from selenium import webdriver
				from selenium.webdriver import ActionChains
				from selenium.common.exceptions import NoSuchElementException
				from selenium.common.exceptions import StaleElementReferenceException
				from selenium.webdriver.common.desired_capabilities import DesiredCapabilities
				from selenium.webdriver.common.by import By
				import time
				import urllib
				#歌曲名
				mname = ''
				#JS重定向
				def wait(driver):
				elem = driver.find_element_by_tag_name('html')
				count = 0
				while True:
				count += 1
				if count > 20:
				print('chao shi le')
				return
				time.sleep(.5)
				try:
				elem == driver.find_element_by_tag_name('html')
				except StaleElementReferenceException:
				return
				#获取url
				def geturl():
				input_string = raw_input('>>>please input the search key:')
				driver = webdriver.Chrome()
				url = 'http://www.kugou.com/'
				driver.get(url)
				a=driver.find_element_by_xpath('html/body/div[1]/div[1]/div[1]/div[1]/input') #输入搜索内容
				a.send_keys(input_string.decode('gb18030'))
				driver.find_element_by_xpath('html/body/div[1]/div[1]/div[1]/div[1]/div/i').click() #点击搜索
				result_url = driver.current_url
				driver.quit()
				return result_url
				#显示搜索结果
				def show_results(url):
				driver = webdriver.Chrome()
				driver.get(url)
				time.sleep(3)
				for i in range(1,1000):
				try:
				print '%d. '%i + driver.find_element_by_xpath(".//*[@id='search_song']/div[2]/ul[2]/li[%d]/div[1]/a"%i).get_attribute('title')  #获取歌曲名
				except NoSuchElementException as msg:
				break
				choice = input(">>>Which one do you want(you can input 'quit' to goback(带引号)):")
				if choice == 'quit':   #从下载界面退回
				result = 'quit'
				else:
				global mname
				mname = driver.find_element_by_xpath(".//*[@id='search_song']/div[2]/ul[2]/li[%d]/div[1]/a"%choice).get_attribute('title')
				a = driver.find_element_by_xpath(".//*[@id='search_song']/div[2]/ul[2]/li[%d]/div[1]/a"%choice)
				actions = ActionChains(driver)
				actions.move_to_element(a)
				actions.click(a)
				actions.perform()
				#wait(driver)
				driver.switch_to_window(driver.window_handles[1])  #跳转到新打开的页面
				result = driver.find_element_by_xpath(".//*[@id='myAudio']").get_attribute('src') #获取播放元文件url
				driver.quit()
				return result
				#下载回调
				def cbk(a, b, c):
				per = 100.0 * a * b / c
				if per > 100:
				per = 100
				print '%.2f%%' % per
				def main():
				print'***********************欢迎使用GREY音乐下载器********************************'
				print'                                                      directed by GreyyHawk'
				print'**************************************************************************'
				time.sleep(1)
				while True:
				url = geturl()
				result = show_results(url)
				if result == 'quit':
				print'\n'
				continue
				else:
				local = 'd://%s.mp3'%mname
				print 'download start'
				time.sleep(1)
				urllib.urlretrieve(result, local, cbk)
				print 'finish downloading %s.mp3'%mname + '\n\n'
				if __name__ == '__main__':
				main()
			

效果:

简易Python Selenium爬虫实现歌曲免费下载

总结:

当网页包含大量js的时候,selenium就会非常的方便,但经过实践发现好像phantomjs解析js的效率没有世纪浏览器的高,还会出错,后来换成调用火狐就好了,,不知道为啥,,也许是脸黑吧,,总之selenium真的是一款非常强大的框架,对爬虫有兴趣的同学一定要了解一下。

End.

转载请注明来自36大数据(36dsj.com): 36大数据 » 简易Python Selenium爬虫实现歌曲免费下载

随意打赏

python爬虫
提交建议
微信扫一扫,分享给好友吧。