今天小猿圈給大家分享網(wǎng)易云音樂歌詞爬取方法。

本文的總體思路如下：

找到正確的URL，獲取源碼；

利用bs4解析源碼，獲取歌曲名和歌曲ID；

調(diào)用網(wǎng)易云歌曲API，獲取歌詞；

將歌詞寫入文件，并存入本地。

本文的目的是獲取網(wǎng)易云音樂的歌詞，并將歌詞存入到本地文件。整體的效果圖如下所示：

趙雷的歌曲

本文以民謠歌神趙雷為數(shù)據(jù)采集對(duì)象，專門采集他的歌曲歌詞，其他歌手的歌詞采集方式可以類推，下圖展示的是《成都》歌詞。

趙雷歌曲---《成都》

一般來(lái)說(shuō)，網(wǎng)頁(yè)上顯示的URL就可以寫在程序中，運(yùn)行程序之后就可以采集到我們想要的網(wǎng)頁(yè)源碼。But在網(wǎng)易云音樂網(wǎng)站中，這條路行不通，因?yàn)榫W(wǎng)頁(yè)中的URL是個(gè)假URL，真實(shí)的URL中是沒有#號(hào)的。廢話不多說(shuō)，直接上代碼。

獲取網(wǎng)頁(yè)源碼

本文利用requests、bs4、json和re模塊來(lái)采集網(wǎng)易云音樂歌詞，記得在程序中添加headers和反盜鏈referer以模擬瀏覽器，防止被網(wǎng)站拒絕訪問(wèn)。這里的get_html方法專門用于獲取源碼，通常我們也要做異常處理，未雨綢繆。

獲取到網(wǎng)頁(yè)源碼之后，分析源碼，發(fā)現(xiàn)歌曲的名字和ID藏的很深，縱里尋她千百度，發(fā)現(xiàn)她在源碼的294行，藏在

標(biāo)簽下，如下圖所示：

歌曲名和ID存在的位置

接下來(lái)我們利用美麗的湯來(lái)獲取目標(biāo)信息，直接上代碼，如下圖：

獲取歌曲名和ID

此處要注意獲取ID的時(shí)候需要對(duì)link進(jìn)行切片處理，得到的數(shù)字便是歌曲的ID；另外，歌曲名是通過(guò)get_text()方法獲取到的，最后利用zip函數(shù)將歌曲名和ID一一對(duì)應(yīng)并進(jìn)行返回。

得到ID之后便可以進(jìn)入到內(nèi)頁(yè)獲取歌詞了，但是URL還是不給力，如下圖：

歌詞的URL

雖然我們可以明白的看到網(wǎng)頁(yè)上的白紙黑字呈現(xiàn)的歌詞信息，但是我們?cè)谠揢RL下卻無(wú)法獲取到歌詞信息。小編通過(guò)抓包，找到了歌詞的URL，發(fā)現(xiàn)其是POST請(qǐng)求還有一大堆看不懂的data，總之這個(gè)URL是不能為我們效力。那該點(diǎn)解呢？

莫慌，小編找到了網(wǎng)易云音樂的API，只要把歌曲的ID放在API鏈接上便可以獲取到歌詞了，代碼如下：

調(diào)用網(wǎng)易云API并解析歌詞

在API中歌詞信息是以json格式加載的，所以需要利用json將其進(jìn)行序列化解析出來(lái)，并配合正則表達(dá)式進(jìn)行清洗歌詞，如果不用正則表達(dá)式進(jìn)行清洗的話，得到原始的數(shù)據(jù)如下所示（此處以趙雷的歌曲《成都》為例）：

原始數(shù)據(jù)

很明顯歌詞前面有歌詞呈現(xiàn)的時(shí)間，對(duì)于我們來(lái)說(shuō)其屬于雜質(zhì)信息，因此需要利用正則表達(dá)式進(jìn)行匹配。誠(chéng)然，正則表達(dá)式并不是唯一的方法，小伙伴們也可以采取切片的方式或者其他方法進(jìn)行數(shù)據(jù)清洗，在此就不贅述了。

得到歌詞之后便將其寫入到文件中去，并存入到本地文件中，代碼如下：

寫入文件和程序主體部分

現(xiàn)在只要我們運(yùn)行程序，輸入歌手的ID之后，程序?qū)⒆詣?dòng)把該歌手的所唱歌曲的歌詞抓取下來(lái)，并存到本地中。如本例中趙雷的ID是6731，輸入數(shù)字6731之后，趙雷的歌詞將會(huì)被抓取到，如下圖所示：

程序運(yùn)行結(jié)果

之后我們就可以在腳本程序的同一目錄下找到生成的歌詞文本，歌詞就被順利的爬取下來(lái)了。

相信大家對(duì)網(wǎng)易云歌詞爬取已經(jīng)有了一定的認(rèn)識(shí)了，不過(guò)easier said than down，小編建議大家動(dòng)手親自敲一下代碼，在實(shí)踐中你會(huì)學(xué)的更快，學(xué)的更多的。

這篇文章教會(huì)大家如何采集網(wǎng)易云歌詞，那網(wǎng)易云歌曲如何采集呢？且聽小編下回分解~~~