今日的小demo大家应用的是selenium和xpath.函数式编程采集数据.收集到的数据信息如下图所示。
网易音乐新歌榜数据信息100首歌。
最先这一网页页面根据reuqests方式是没法获得网页页面数据信息的,因此大家这儿应用selenium,xpath方式分析数据信息。
这一table标识装了100首歌数据信息,可是这一网页页面是嵌在iframe标识中的,因此必须精准定位iframe标识,获得到里边的的內容。
- url = "https://music.163.com/#/discover/toplist?id=3779629" # 新歌榜
- driver = webdriver.Chrome()
- driver.get(url)
- time.sleep(3)
- _iframe = driver.find_element_by_id('g_iframe') # 寻找iframe标识
- driver.switch_to.frame(_iframe)
- time.sleep(1)
- page_text = driver.execute_script("return document.documentElement.outerHTML")
获得了iframe中的原素page_text,大家应用xpath。
- html = etree.HTML(page_text)
- trs = html.xpath('//tr')
- id_list = []
- song_name_list = []
- singer_list = []
- for tr in trs[1:]:
- id = tr.xpath("./td[2]/div[1]/div[1]/span/@data-res-id")[0][-10:] #
- id_list.append(id)
- song_name = tr.xpath("./td[2]/div/div/div/span/a/b/@title")[0]
- song_name_list.append(song_name)
- print(id,"----",song_name)
- base_url = 'http://music.163.com/song/media/outer/url?id={}.mp3'
- try:
- for index,id in enumerate(id_list):
- if index == 25: # 由于这一26首歌名异常标识符,要清除,不然出错
- continue
- file_name = song_name_list[index]
- resp = requests.get(base_url.format(id))
- with open(r'HotMusic/' file_name '.mp3','wb') as f:
- f.write(resp.content)
- print('音乐:%s免费下载取得成功' % file_name)
- except Exception as error:
- print(error)