Python爬取全抖音好听背景音乐,一次性下载

技术火炬手 发表于 2019/08/01 10:23:25 2019/08/01
【摘要】 Python内心OS:“你要的全拿走,剩下的我承受”

1.png

5月和朋友聊天,决定开设一个公众号,以博客的方式每天记载Python知识和有趣的内容。之后经过前期准备与摸索终于在5月31号,首次在公众号尝试发文,而今已过两月时间。

image.png

刚开始每天下班就期待着开始自己所谓的创作,而现在每晚发愁该写些什么来满足大家的口味;起初媳妇儿大力支持我学习,如今因为写公众号没时间陪家人,时而会引发矛盾。细数两个月更新56篇的文章,用一位简书朋友的评论高产似母猪,哈哈….

image.png

由于做公众号的初衷,是整理学习内容,而非多数人那样的想将自媒体作为副业,所以没有找过大号求推荐,也没有主动向其他公众号推荐文章。起初让朋友帮忙发个朋友圈扩散下,之后就是每天清晨转发下自己的文章,偶尔将文章转载至公司内网博客。大家都说东西再好不宣传也没人知道,但两个月下来收获了800粉丝,还是让我很感动。不知道还能这样每周五篇的坚持更新多久,因为自从开了公众号,每天都是2、3点睡觉,两个月下来严重缺乏睡眠,而且经常熬夜最近胃病又犯了。但对比之前每天回来刷刷抖音、看小说、做做饭的日子充实多了。只希望能得到家人和朋友们更多的支持,谢谢大家。

2.png

不知道什么时候开始,中国出现了南抖音、北快手的互文格局(东市买骏马,西市买鞍鞯…)。刚才提到了,之前比较喜欢刷抖音,对于我这种佛系程序猿,看网上这些整容妹子基本一个样。喜欢抖音主要是两个初衷,学做菜听音乐。朋友之前常说,人家抖音看妹子看的乐呵呵,你看人家做菜也能津津有味,一个人在那儿傻笑…民以食为天,我看到色香味俱全的菜,做的那么好吃的乐呵乐呵还不行么。

抖音捧红了很多人,也让很多本不怎么让大家熟知的歌曲、BGM,经过翻唱、混剪与视频搭配,从而传播大街小巷。什么“若不是你,突然闯进我心里…”亦或者“也许未来遥远在光年之外,我愿守候未知里为你等待…”,成了大家闲时在嘴边哼唱的调调。那么,有没有想过将这些好听的剪辑批量下载下来呢?

3.png

python下载抖音内容的帖子网上有一些,但都比较麻烦,需要通过adb连接安卓手机后,模拟操作。我这么懒,这种事儿玩不来…那么,该如何获取抖音内容呢?网上搜了下大概有两种方式,一个是浏览器插件快抖,另外一个是我今天要说的抖音网页版。其实这两者差别不是很大,都是先将抖音内容下载至服务器后,通过开发简单网站配置域名后,让大家访问。让我们来看看抖音网页版

image.png

哎哟吼,居然看到了昨天爬虫的“乔奶奶”…当然今天的重点不是视频,而是下载它全站所有的音乐

4.png

  • 热歌榜内容

image.png

大家先开看看这个抖音热歌榜歌曲,每页20首歌曲,一个55页。但细不细心大家都能发现,很多歌曲存在重复的问题。所以,等下爬虫的时候,我们需要先准备一个music_list,用来识别这首歌曲是否已经下载过了…

  • 网页解析

image.png

网页比较简单,一个div中包裹了一个ul>li*20,我们是不是该这样获取:

soup.find('div',{"class":"pull-left"}).find('ul').findAll('a')

如果你说是,那么一定没有好好看我前天整理的文章通过哪吒豆瓣影评,带你分析python爬虫快速入门:https://www.jianshu.com/p/ae38f7607902,我在文章中专门提到了一个小技巧,通过使用attr的属性进行快速解析,那么最快速的获取方式是:

soup.findAll('a', attrs={'onclick': True})

我们只需要获取所有的a标签,切这些标签中包含onclick这个属性即可。

  • 巧用eval

我们解析到的内容通过attr[‘onclick’],可以得到他的属性open1(‘夜’,’http://p9-dy.byteimg.com/obj/61a20007a98954b0831d),如何能快速获取歌曲名字和url呢?这里我们需要用到一个eval的小技巧:

index = "open1('夜','http://p9-dy.byteimg.com/obj/61a20007a98954b0831d','')"
index[5:]
"('夜','http://p9-dy.byteimg.com/obj/61a20007a98954b0831d','')"
index_tuple = eval(index[5:])
print(index_tuple, type(index_tuple))
('夜', 'http://p9-dy.byteimg.com/obj/61a20007a98954b0831d', '') <class 'tuple'>
index_tuple[0]
'夜'
index_tuple[1]
'http:
//p9-dy.byteimg.com/obj/61a20007a98954b0831d'

ps:今天一个朋友说我写代码没注释,我这是现身说法的告诉你,如何能写出让别人压根看不懂的代码,就是不写注释啊,哈哈!其实,代码我都在文章中一点一点的讲解了,所以没有写,但秉承着害怕大佬们取关的心态,我还是把注释加上吧…

6.png

总体来说实现比较简单,全部代码如下:

# -*- coding: utf-8 -*-
# @Author   : 王翔
# @JianShu  : 清风Python
# @Date     : 2019/7/31 23:25
# @Software : PyCharm
# @version  :Python 3.7.3
# @File     : DouYinMusic.py

import os
import requests
from bs4 import BeautifulSoup
import threading
import time


class DouYinMusic:
   def __init__(self):
       self.music_list = []
       self.path = self.download_path()

   @staticmethod
   def download_path():
       """
       获取代码执行目录,并在目录下创建Music文件夹
       :return Music文件夹全路径
       """

       base_dir = os.path.dirname(os.path.abspath(__file__))
       _path = os.path.join(base_dir, "Music")
       if not os.path.exists(_path):
           os.mkdir(_path)
       return _path

   def get_request(self, url):
       """
       封装requests.get方法
       如果为网页请求,返回网页内容
       否则,解析音乐地址,并返回音乐二进制文件
       :param url: 请求url(分网页、音乐两类)
       :return: 网页内容 & 音乐二进制文件
       """

       r = requests.get(url, timeout=5)
       if url.endswith('html'):
           return r.text
       else:
           return r.content

   def analysis_html(self, html):
       """
       根据获取的网页内容,解析音乐名称、下载地址
       调用音乐下载方法
       :param html: 网页内容
       """

       soup = BeautifulSoup(html, 'lxml')
       # 根据关键字onclick查找每个下载地址
       for tag_a in soup.findAll('a', attrs={'onclick': True}):
           # 下载格式'("name","link","")',通过eval将str转化为tuple类型
           link_list = eval(tag_a['onclick'][5:])
           music_name, music_link = link_list[:2]
           # 因为存在部分重复音乐,故设置判断下载过的音乐跳过
           if music_name in self.music_list:
               continue
           self.music_list.append(music_name)
           t = threading.Thread(target=self.download_music, args=(music_name, music_link))
           time.sleep(0.5)
           t.start()

   def download_music(self, music_name, music_link):
       """
       解析音乐文件,完成音乐下载
       :param music_name: 音乐名称
       :param music_link: 下载地址
       """

       _full_name = os.path.join(self.path, music_name)
       with open(_full_name + '.mp3', 'wb') as f:
           f.write(self.get_request(music_link))
       print("抖音音乐:{} 下载完成".format(music_name))

   def run(self):
       """
       主方法,用于批量生成url
       """

       for page in range(1,55):
           url = "http://douyin.bm8.com.cn/t_{}.html".format(page)
           html = self.get_request(url)
           self.analysis_html(html)


if __name__ == '__main__':
   main = DouYinMusic()
   main.run()

来让我们看看效果吧:

640.gif

网站是通过nginx负载均衡搭建的,有一些链接已经失效了。最终下载了不重复的592首抖音音乐

image.png

同样的,大家喜欢可以按照这种方法,尝试下载一下网站的抖音视频。

8.png

如果大家喜欢,【清风Python】公众号回复抖音音乐即可获取百度云下载链接。

如果觉得不错,希望能动动手指转发给你身边的朋友们。

---------------

本文转自作者:王翔|清风Python

microphone-1209816__480.jpg

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区),文章链接,文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:cloudbbs@huaweicloud.com进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。