python酷狗爬取酷狗音乐

转载

deanyuancn 2023-08-02 19:13:28

文章标签 python酷狗 java ide json Java 文章分类 Python 后端开发

前言

一、分析

二、构想实现

三、代码实现

1.引入jar包(使用工具来简化开发)

2.写入代码

3.完成

总结

前言

最近表姐想让我帮她U盘下载几首车载音乐，感觉挺简单的，直接打开谷歌浏览器搜索酷狗音乐(表姐要的歌单是酷狗)，播放一首歌页面跳转到播放器，然后老规矩F12+Ctrl+F，搜索audio标签得到src链接，点进去就能下载了，可是她要的可不止一首啊，要整个歌单，那只能采用爬虫来获取我们想要的东西了。

一、分析

爬虫之前我们需要熟悉爬虫的基本流程：

        1.发起请求：通过url向服务器发起request请求，请求可以包含额外的header信息。

        2.获取响应内容：如果服务器正常响应，那我们将会收到一个response，response即为我们所请求的网页内容，或许包含HTML，Json字符串或者二进制的数据（视频、图片）等。

        3.解析内容：如果是HTML代码，则可以使用网页解析器进行解析，如果是Json数据，则可以转换成Json对象进行解析，如果是二进制的数据，则可以保存到文件进行进一步处理。

        4.保存数据：可以保存到本地文件，也可以保存到数据库

python酷狗爬取酷狗音乐_Java

hash的值和歌单页面的歌曲a标签的data值一致，这就可以知道hash了，但是这个album_id是怎么来的呢？

python酷狗爬取酷狗音乐_json_02

我们再点开一首歌曲，可以看出变化的只是hash和album_id

python酷狗爬取酷狗音乐_python酷狗_03

也就是说这个hash和album_id是从歌单页面跳转到播放页面的，那要找这个album_id也得从歌单页面找，作者在歌单页面里的JS文件找到了album_id的出处，其实在页面加载时就已经从后端接口请求这个歌单的所有歌曲信息，后来找到了这个data变量藏在了head标签里

python酷狗爬取酷狗音乐_ide_04

python酷狗爬取酷狗音乐_json_05

F12，点击Network，Ctrl+R键刷新一下(因为页面在我们调试器打开之前就已经加载好了)，一堆数据包我们只要其中的JS或者PHP文件，最终我们找到了我们的请求接口。

python酷狗爬取酷狗音乐_java_06

hash和album_id，所以我们可以拿取歌单的data变量里的hash和album_id去请求这个接口获取我们要的数据了

打开这个接口，往下翻可以找到这个资源就是我们要下载的东西

python酷狗爬取酷狗音乐_python酷狗_07

二、构想实现

每一个程序的功能的诞生离不开程序猿(媛)们的奇妙构想，所以我们也得先把总的实现思路构建起来才来进行下一步。
hash和album_id值。既然我们要的是歌单所有的歌曲，而歌曲的获取唯一判别他们的可不是歌名，就像你的名字叫张三，他的名字也叫张三，那要是他犯法了抓不到，抓到了你这个张三那肯定不行，所以歌曲也一样，不能以歌名区分，只能用album_id来区分，和身份证号是一个道理，那我们就可以先获取歌单页的data变量，再把他们储存起来，匹配的话我们统一采用正则表达式。
hash和album_id。我们将获取到的歌曲请求接口按照我们匹配出来的hash和album_id拼接起来再去请求就能得到我们所要的数据。
3.下载到本地。到了这一步已经是完成了，借助JavaIO流把数据传输到本地文件或者数据库上。(这边是准备上传到U盘里面所以就没必要放入数据库了)

三、代码实现

1.引入jar包(使用工具来简化开发)

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.13.1</version>
</dependency>

<dependency>
    <groupId>org.apache.httpcomponents</groupId>
    <artifactId>httpclient</artifactId>
    <version>4.5.13</version>
</dependency>

<dependency>
    <groupId>commons-io</groupId>
    <artifactId>commons-io</artifactId>
    <version>2.9.0</version>
</dependency>
        
<dependency>
    <groupId>com.fasterxml.jackson.core</groupId>
    <artifactId>jackson-databind</artifactId>
    <version>2.11.4</version>
</dependency>

Jsoup：一款Java 的HTML解析器，它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。
HttpComponents：是专门设计来简化HTTP客户端与服务器进行各种通讯编程，主要是提供对http服务器的访问功能。
Commons-io：使用Java原生的IO流操作比较繁琐，可以利用IO工具库来简化。
Jackson：用来解析序列化和反序列化Json数据。

关于上面的工具库不再赘述了，有兴趣的小伙伴可以自行了解

2.写入代码

/**
 * @author Ember
 */
public class SpiderKugou {

    /**
     * 1.歌曲的hash值 [正则匹配]
     * 2.歌曲的album_id [正则匹配]
     * 3.歌名 [正则匹配]
     * 4.歌曲下载地址 [正则匹配]
     * 5.unicode转中文 [正则匹配]
     */
    private static final String hashRegex = ",\"hash\":\"(.*?)\",\"brief\":";
    private static final String albumIdRegex = "\"album_id\":(.*?),\"hash\"";
    private static final String audioNameRegex = "\"audio_name\":\"(.*?)\",\"have_album\"";
    private static final String playUrlRegex = "\"play_url\":\"(.*?)\",\"authors\":";
    private static final String unicodeRegex = "(\\\\u(\\p{XDigit}{4}))";

    private static String baseUrl = "https://www.kugou.com/yy/special/single/3953033.html";
    private static String downloadSrc = "E:/2021-8-8酷狗歌曲/download/";

    public static void main(String[] args) throws Exception {
        System.out.println("下载中...");
        parameter(baseUrl);
        System.out.println("歌单下载已完成！");
    }

    /**
     * 爬取歌单的每一首歌曲
     * @param baseUrl 酷狗歌单链接地址
     * @throws Exception
     */
    public static void parameter(String baseUrl) throws Exception {
        //JSON工具
        ObjectMapper mapper = new ObjectMapper();
        //获取歌单的Document
        Document musicList = Jsoup.connect(baseUrl).get();
        //正则表达式匹配出歌单所有hash和album_id对应的值
        List<String> musicHash = myRegexpList(musicList.toString(), hashRegex);
        List<String> musicId = myRegexpList(musicList.toString(), albumIdRegex);
        for (int i = 0;i < musicId.size();i++) {
            //调出歌单每首歌的接口
            String mp3 = "https://wwwapi.kugou.com/yy/index.php?r=play/getdata&callback=jQuery191043744424319789976_1628418579111" +
                    "&hash="+musicHash.get(i)+"&dfid=08yAMj3R2Rtq2vHAnv0NSCKV&mid=94bf13b027c6ce8289bdfa422f5e783e&platid=4" +
                    "&album_id="+musicId.get(i)+"&_=1628418579112";
            //获取歌曲的doc
            Document musicPlayer = parsUrl(mp3);
            //获取歌曲的歌名
            String unicodeName = myRegexpOne(musicPlayer.toString(), audioNameRegex);
            //将unicode编码的歌名转换为中文
            String musicName= unicodeToString(unicodeName);
            //将接口的数据转为JSON对象
            String mp3Doc = mapper.writeValueAsString(musicPlayer.body().text());
            //转JSON有反斜杠，将反斜杠替换掉即可
            mp3Doc = mp3Doc.replaceAll("\\\\", "");
            //得到歌曲下载地址
            String playUrl = myRegexpOne(mp3Doc, playUrlRegex);
            //下载
            downLoadMusic(playUrl,musicName);
            System.out.println((i+1) + "--->【" + musicName + "】 ＞ω＜ 下载完成");
            Thread.sleep(1000);
        }
    }

public static void downLoadMusic(String musicUrl,String musicName){
        try {
            System.out.println("\n" + musicName + "源地址->" + musicUrl);
            Connection.Response response = Jsoup.connect(musicUrl)
                    //忽略ContentType
                    .ignoreContentType(true)
                    //解除最大字节限制
                    .maxBodySize(0)
                    //模拟浏览器用户代理
                    .userAgent("Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36")
                    //执行
                    .execute();
            ByteArrayInputStream stream = new ByteArrayInputStream(response.bodyAsBytes());
            FileUtils.copyInputStreamToFile(stream,new File(downloadSrc + musicName + ".mp3"));
        } catch (Exception e) {
            System.out.println("链接->"+musicUrl+" ＞﹏＜ 下载失败");
            e.printStackTrace();
        }
    }

    /**
     * 获取Doc工具类
     * @param url
     * @return
     * @throws Exception
     */
    public static Document parsUrl(String url) throws Exception {
        try {
            Document document = Jsoup.connect(url)
                    .userAgent("Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36")
                    .timeout(2000)
                    .get();
            return document;
        }catch (Exception e){
            e.printStackTrace();
            return null;
        }
    }

    /**
     * 正则匹配字符串集合工具类
     * @param str
     * @param keyWords
     * @return
     */
    public static List<String> myRegexpList(String str,String keyWords){
        List<String> list = new ArrayList<>();
        Pattern compile = compile(keyWords);
        Matcher matcher = compile.matcher(str);
        while (matcher.find()) {
            list.add(matcher.group(1));
        }
        return list;
    }

    /**
     * 正则匹配单个字符串工具类
     * @param str
     * @param keyWords
     * @return
     */
    public static String myRegexpOne(String str,String keyWords){
        String result = "";
        Pattern compile = compile(keyWords);
        Matcher matcher = compile.matcher(str);
        while (matcher.find()) {
            result = matcher.group(1);
        }
        return result;
    }

    /**
     * unicode转码中文字符
     * @param str
     * @return
     */
    public static String unicodeToString(String str) {
        Pattern pattern = compile(unicodeRegex);
        Matcher matcher = pattern.matcher(str);
        char ch;
        while (matcher.find()) {
            ch = (char) Integer.parseInt(matcher.group(2), 16);
            str = str.replace(matcher.group(1), ch+"" );
        }
        return str;
    }
}

3.完成

python酷狗爬取酷狗音乐_python酷狗_08

python酷狗爬取酷狗音乐_python酷狗_09

可以看到我们下载成功了

总结

为什么使用Java爬虫来抓取酷狗资源呢，一个是目前大多都是Python教程，Java爬取酷狗比较少，也有一些小伙伴可能只接触到Java这门编程语言或者就没接触Python的，想要了解了解如何使用Java进行抓取。二是作者也是刚接触到Java爬虫，Python并没了解过，但Java和Python都能做到相同的东西，只是工程量的事，还有表姐突如其来的要求也让我萌生了使用Java练手一下。以上就是今天要讲的内容，本文仅仅简单介绍了Java如何爬取网页数据的使用，还有如何使用第三方类库更加方便地进行开发。

本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。