今天教大家如何利用Python爬虫批量下载喜马拉雅音频,文中有非常详细的代码示例,对正在学习python的小伙伴们很有帮助,需要的朋友可以参考下
一、解析网站
1.1 获取音频地址
在喜马拉雅网站上，随便点开一个音频，打开“开发者工具”，再点击播放按钮，可以看到出现了多个请求：
经过排查，发现可疑url:
查看它的响应信息，发现音频地址就在里面：
接下来，解析这个返回音频地址的url：
https://www.ximalaya.com/revision/play/v1/audio?id=348451879&ptype=1
发现url中的id参数就决定了返回的音频地址，而id参数是音频的id号。
1.2 解析专栏网页
我们已经知道了获取音频url的网址，接下来要获取一个专栏内的音频id和名称，打开一个专栏，发现：
所有的音频存放在class为1F_的li标签中，再来解析li标签：
在li标签中的第一个a标签存储着我们所有需要的数据，妙~啊！
1.3 整理亿下思路
思路：
1.获取专栏内的li标签
2.获取li标签里的第一个a标签
3.读取a标签的title和href属性
4.将href解析成音频id
5.将id带入url请求音频源地址
6.提来源[email protected]搞@^&代*@码)网取音频源地址
7.请求音频源地址
8.保存音频（文件名为a的title属性）
思路整理完了，开始编写代码。
二、编写爬取代码
代码奉上――
import requests from fake_useragent import UserAgent as ua from bs4 import BeautifulSoup as bs # 专栏地址 music_list_url = 'https://www.ximalaya.com/ertongjiaoyu/19702607/' # 获取音频地址的url get_link_url = "https://www.ximalaya.com/revision/play/v1/audio" # UA伪装 headers = { "User-Agent": ua().random } # 参数 params = { "id": None, # id先设为None "ptype": "1", } # 获取专栏HTML源码 music_list_r = requests.get(music_list_url, headers=headers) # 解析 获取所有li标签 soup = bs(music_list_r.text, "lxml") li = soup.find_all("li", {"class": "lF_"}) # for循序遍历处理 for i in li: a = i.find("a") # 找到a标签 # 获取href属性 # split("/")将字符串以"/"作为分隔符 从右往左数第一项是id号 music_id = a.get("href").split("/")[-1] # 获取title属性 和“.m4a”拼接成文件名 music_name = a.get("title") + ".m4a" # 修改请求参数id params['id'] = music_id # 获得音频源地址 r = requests.get(get_link_url, headers=headers, params=params) link = r.json()['data']['src'] # 获取音频文件并保存 music_file = requests.get(link).content with open(music_name, "wb") as f: f.write(music_file) print("下载完毕！")
运行代码，等待亿会（真的要等亿会），可以看到当前目录下已经出现了音频文件，如图：
以上就是Python爬虫之批量下载喜马拉雅音频的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：Python爬虫之批量下载喜马拉雅音频
转载请注明原文链接：Python爬虫之批量下载喜马拉雅音频
