虾米音乐爬虫

实现

获取歌曲id

曲风流派

• 访问 url
  • 以爬取摇滚曲风的歌曲为例, 对应曲风url为https://www.xiami.com/genre/gid/3.
  • 曲风主页只显示前5首歌, 需要点击全部进入全部曲风urlhttps://www.xiami.com/list?scene=genre&type=song&query={%22genreType%22:1,%22genreId%22:%223%22}
  • 全部页面只展示前30首歌, 需要点击第x页进入全部曲风分页urlhttps://www.xiami.com/list?page=2&query=%7B%22genreType%22%3A1%2C%22genreId%22%3A%223%22%7D&scene=genre&type=song
• 通过 url 获取 html
  • 直接用 requests.get 会失败, 需要等待页面的 javascript 加载
  • 用 selenium WebDriverWait 等待加载完毕
  • 直接获取全部曲风分页url很快会被封禁
  • 先访问曲风url, 再用selenium模拟点击进入全部曲风分页url
• 通过 html 获取 songid
  • html 中的歌曲信息格式 <a href="/song/fO7s7a822">无地自容</a>
  • 通过正则表达式解析 '<a href="/song/([^"]+?)">'

歌单

• 直接访问歌单页面同样会被封禁
• 进入虾米主页 https://www.xiami.com/
• 用 selenium 模拟点击歌单
• 用 selenium 模拟点击全部歌单
• 用 selenium 模拟选择语种/华语, 点击
• 用 selenium 模拟点击各个歌单, 进入歌单页面
• 通过正则表达式解析获取歌曲id

下载歌曲id对应的mp3音乐

• 歌曲id fO7s7a822
• 歌曲url https://www.xiami.com/song/fO7s7a822
• 直接用 youtube-dl 可以下载歌曲, youtube-dl --quiet --extract-audio 'https://www.xiami.com/song/fO7s7a822' -o 'fO7s7a822.%(ext)s' 下载到 f07s7a822.mp3
• 通过 parallel 可以实现并行下载

环境

• centos
• python3
• 配置 sh env.sh

运行

# 曲风歌曲id写入txts
python3 genre.py
# 歌单歌曲id写入txts
python3 collect.py
# 根据txts下载音乐到mp3s
sh get_mp3.sh