python爬取网易云音乐排行榜实例代码
作者:~阿秋~
大家好,本篇文章主要讲的是python爬取网易云音乐排行榜数据代码,感兴趣的同学赶快来看一看吧,对你有帮助的话记得收藏一下,方便下次浏览
网易云音乐排行榜歌曲及评论爬取
主要注意问题:selenium 模拟登录、iframe标签定位、页面元素提取。
在利用selenium定位元素并取值的过程中遇到问题。比如xpath正确但无法定位,在进行翻页提取评论的过程中,利用selenium似乎不能提取不同页的数据,比如,明明定位的第三页的评论数据,而只能返回第一页的评论数据。
一、模拟登录
selenium 定位元素模拟人的操作进行登录,直接上代码:
//模拟登录 import pandas as pd from selenium import webdriver from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.common.by import By from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.chrome.options import Options from selenium.webdriver import ActionChains from lxml import etree import time from datetime import datetime,timedelta wyy_url = 'https://music.163.com/' driver = webdriver.Chrome() driver.get(wyy_url) driver.maximize_window() #全屏 time.sleep(2) driver.find_element_by_xpath("//a[@class = 'link s-fc3']").click() time.sleep(2) driver.find_element_by_xpath("//a[@class='u-btn2 other']").click() #选择其他方式登录 #账号、密码登录 driver.find_element_by_xpath("//input[@type='checkbox']").click() #同意条款 time.sleep(0.5) driver.find_element_by_xpath("//a[@class='u-btn2 u-btn2-2']").click() #选择手机号密码登录 driver.find_element_by_xpath("//a[@class='f-fr s-fc3 pwdlogin']").click() time.sleep(1) driver.find_element_by_id("p").send_keys('xxx') #这里输入你的id driver.find_element_by_id("pw").send_keys('xxx') #这里输入密码 time.sleep(1) #点击登录 driver.find_element_by_xpath("//a[@class='j-primary u-btn2 u-btn2-2']").click() time.sleep(1)
二、排行榜数据爬取
当时尝试直接用selenium定位标签取值,并没有返回有效结果。在后面爬取评论时,也遇到此问题。于是先获取页面内容在进行分析。
// 排行榜 base_url = "https://music.163.com/#/discover/toplist?id=" bang_typical = {'飙升榜':19723756,'新歌榜':3779629,'原创榜':2884035,'热歌榜':3778678} #选择榜单 bang = input('请输入榜单:') #构造榜单对应的链接 url = base_url + str(bang_typical[bang]) print('开始分析:-%s' %(bang)) #进入榜单 driver.get(url) time.sleep(3) #iframe标签定位,必要的,否则无法定位其他标签 _iframe = driver.find_element_by_xpath("//iframe[@id='g_iframe']") # 找到iframe标签 driver.switch_to.frame(_iframe) time.sleep(1) page_text = driver.execute_script("return document.documentElement.outerHTML") #获取页面 html = etree.HTML(page_text) trs = html.xpath('//tbody/tr') rank_list = [] title_list = [] span_list = [] singer_list = [] for tr in trs: rank = tr.xpath(".//span[@class='num']/text()")[0] #注意xpath获取到的是列表,需提取其元素 title = tr.xpath(".//b/@title")[0] span = tr.xpath(".//td[@class=' s-fc3']/span[@class='u-dur ']/text()")[0] singer = tr.xpath(".//div[@class='text']/span/@title")[0] rank_list.append(rank) title_list.append(title) span_list.append(span) singer_list.append(singer) #输出榜单结果 df_bang = pd.DataFrame({'排名':rank_list,'歌名':title_list,'时长':span_list,'歌手':singer_list})
三、排行榜评论获取
主要是评论日期的格式转换,评论内容的清洗
// 评论 # 日期清洗函数 def change_time(time): now = datetime.now() day_y = datetime.strftime(now - timedelta(1),'%Y-%m-%d') #计算昨天 day = now.strftime('%Y-%m-%d') year = now.strftime('%Y') if '年' in time: #非今年 new_time = time.replace('年','-').replace('月','-').replace('日','') elif '昨天' in time: new_time = time.replace('昨天',day_y+' ') elif '前' in time: #前天 minut = int(time[:time.index('分')]) new_time = (now + timedelta(minutes=-minut)).strftime('%Y-%m-%d %H:%M') elif len(time) == 5: #今天 new_time = day + ' ' + time else: #最近 **月**日 **:** y = '2021-' time = time.replace('月','-').replace('日','') new_time = y + time return new_time #评论清洗 def change_review(r): if ':' in r: r_ = r.split(':')[1] else: r_ = r return r_ #评论点赞 def change_likes(l): if l != []: l_ = int(l.split('(')[1].split(')')[0]) else: l_ = 0 return l_ #拉动滚动条至翻页按钮处 driver.execute_script("window.scrollTo(0,document.body.scrollHeight)") #获取页面信息 num = input('请输入需要爬取的页面总数:') #想要爬取评论的页数, #这里的思路是先通过翻页将获取到的所有页面的所有内容存至列表,再对列表遍历。 #因为当时直接用selenium 定位返回结果不对,当然你们也可以用selenium直接试试。 html_list=[] for i in range(int(num)): page_text = driver.execute_script("return document.documentElement.outerHTML") html = etree.HTML(page_text)#获取页面 html_list.append(html) #翻页 driver.find_elements_by_xpath("//div[contains(@class,'u-page')]/a")[-1].click() time.sleep(4) WebDriverWait(driver, 300, 0.1).until(EC.presence_of_element_located((By.XPATH, "//div[@class='cmmts j-flag']"))) print(f'第{i+1}页爬取成功') rev_list=[] #所有评论的列表 dat_list=[] #对应日期的列表 for review_page in html_list: raw_reviews = review_page.xpath("//div[@class='cmmts j-flag']//div[@class='cnt f-brk']/text()")#提取页面所有评论 raw_reviews_ = [i for i in raw_reviews if ":" in i] #保证长度一致 rv_date = review_page.xpath("//div[@class='cmmts j-flag']//div[@class='cntwrap']/div[@class='rp']/div[@class='time s-fc4']/text()") review_list = [change_review(r) for r in raw_reviews_] date_list = [change_time(d) for d in rv_date] rev_list.extend(review_list) dat_list.extend(date_list) print('分析完成') driver.quit()
运行结果:
1、排行榜:
2、评论:
总结
哈哈,用了快两年的csdn, 光顾着白嫖文章。这也是我的第一个帖子,也没啥经验,有啥问题的,还请各位指正!
到此这篇关于python爬取网易云音乐排行榜数据代码的文章就介绍到这了,更多相关python爬取网易云内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!