百木园-与人分享,
就是让自己快乐。

【Python爬虫实战项目】Python爬虫批量下载喜马拉雅评书音频并保存本地(附源码)

前言

今天给大家介绍的是Python爬虫批量下载评书音频并保存本地,在这里给需要的小伙伴们代码,并且给出一点小心得。

首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫,基本的是加请求头,但是这样的纯文本数据爬取的人会很多,所以我们需要考虑更换代理IP和随机更换请求头的方式来对评书精选音频进行爬取。

在每次进行爬虫代码的编写之前,我们的第一步也是最重要的一步就是分析我们的网页。

通过分析我们发现在爬取过程中速度比较慢,所以我们还可以通过禁用谷歌浏览器图片、JavaScript等方式提升爬虫爬取速度。

相声音频

开发工具

Python版本: 3.6

相关模块:

requests模块

re模块

环境搭建

安装Python并添加到环境变量,pip安装需要的相关模块即可。

文中完整代码及文件,评论留言获取

数据来源查询分析

浏览器中打开我们要爬取的页面
按F12进入开发者工具,查看我们想要的相声评书精选音频在哪里
这里我们需要页面数据就可以了

源代码结构

代码实现

# 音频列表页面
url = \'https://www.ximalaya.com/album/9723091\'
# 伪装模拟 headers 请求头<字典数据类型>
headers = {
    # user-agent 用户代理, 表示浏览器基本身份信息
    \'user-agent\': \'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36\',
    \'cookie\': \'你的Cookie\'
}
# 发送请求:
# 调用requests模块里面get请求方法, 对于url地址发送请求, 并且携带上headers请求头伪装, 最后用自定义变量response接受返回数据
response = requests.get(url=url, headers=headers)
# <Response [200]> response响应<>对象  200 状态码 表示请求成功
print(response)

# 音频名字
titles = re.findall(\'\"tag\":0,\"title\":\"(.*?)\",\"playCount\"\', response.text)
# 音频ID
audio_id_list = re.findall(\'\"url\":\"/sound/(\\d+)\",\"duration\"\', response.text)
# for循环遍历, 把列表里面元素一个一个提取出来
for title, audio_id in zip(titles, audio_id_list):

 # 字符串格式化方法 format 把 audio_id 传到 这个链接里面
    link = f\'https://www.ximalaya.com/revision/play/v1/audio?id={audio_id}&ptype=1\'
    # 发送请求
    response_1 = requests.get(url=link, headers=headers)
    # 获取数据 response.json() 获取响应json字典数据
    # print(response_1.json())

Cookie获取

在这里插入图片描述

效果展示

在这里插入图片描述

最后

今天的分享到这里就结束了 ,感兴趣的朋友也可以去试试哈

对文章有问题的,或者有其他关于python的问题,可以在评论区留言或者私信我哦

觉得我分享的文章不错的话,可以关注一下我,或者给文章点赞(/≧▽≦)/


来源:https://www.cnblogs.com/guzichuan/p/17037662.html
本站部分图文来源于网络,如有侵权请联系删除。

未经允许不得转载:百木园 » 【Python爬虫实战项目】Python爬虫批量下载喜马拉雅评书音频并保存本地(附源码)

相关推荐

  • 暂无文章