【python爬虫案例】利用python爬取豆瓣音乐评分TOP250的排行数据!
一、爬取案例-豆瓣音乐TOP250
之前给大家分享了2个豆瓣的python爬虫案例:
【python爬虫案例】利用python爬虫爬取豆瓣电影评分TOP250排行数据!
【python爬虫案例】利用python爬虫爬取豆瓣读书评分TOP250的排行数据!
今天再给大家分享一下:豆瓣音乐排行榜TOP250的python爬虫案例!
爬虫的流程和逻辑上都和之前分享过的2篇文章差不多
这次爬取的目标网址是:https://music.douban.com/top250
老规矩!咱们以目标为驱动,先来看下爬虫爬取成功后得到的csv文档数据
那代码是如何实现豆瓣音乐TOP250数据爬取的了?下面逐一讲解一下python实现。
二、豆瓣音乐TOP250网站分析
通过浏览器F12查看所有请求,发现他并没有发送ajax请求,那说明我们要的TOP250的排行榜数据大概率是在html页面内容上。
于是我们 点击右键->查看网页源代码 ,发现我们需要的豆瓣音乐评分的排行榜数据都在html页面里
这就简单了,我们直接往下看,上代码。
三、python爬虫代码详解
首先,导入我们需要用到的库
import requests # 发请求
from lxml import etree # 解析html
import pandas as pd # 存取csv
然后,向豆瓣音乐TOP250的网页发起请求,获得html页面内容
page_source = requests.get(page_url, headers=headers).text
用lxml库解析html页面
tree = etree.HTML(page_source)
使用xpath来提取我们需要的音乐排行榜数据内容
# 获得数据所在的标签
tables = tree.xpath("//div[@class='indent']/table")
# 循环标签获得音乐信息
for table in tables:
pl2 = table.xpath(".//div[@class='pl2']")[0]
# 抓取数据
url = extract_first(pl2.xpath("./a/@href")) # 专辑链接
music_name = extract_first(pl2.xpath("./a/text()")) # 专辑名称
score = extract_first(pl2.xpath(".//span[@class='rating_nums']/text()")) # 评分
score_people_num = extract_first(pl2.xpath(".//span[@class='pl']/text()"))
score_people_num = re.search("\d+", score_people_num).group() # 评分人数
info_text = extract_first(pl2.xpath("//p[@class='pl']/text()"))
infos = info_text.split("/")
singer = infos[0].strip() # 歌手
publish_date = infos[1].strip() # 发行日期
type = infos[2].strip() # 类型
media = infos[3].strip() # 介质
style = infos[4].strip() # 曲风
最后,我们将爬虫爬取的数据保存到csv文档里
def save_to_csv(csv_name):
"""
数据保存到csv
@param csv_name: csv文件名字
@return:
"""
df = pd.DataFrame() # 初始化一个DataFrame对象
df['专辑名称'] = music_names
df['专辑链接'] = urls
df['歌手'] = singers
df['评分'] = scores
df['评分人数'] = score_people_nums
df['发行日期'] = publish_dates
df['类型'] = types
df['介质'] = medias
df['曲风'] = styles
df.to_csv(csv_name, encoding='utf8', index=False) # 将数据保存到csv文件
上面的music_names、urls等变量都是使用的list来进行存储的,这样才能符合pandas导出数据时的需要,然后调用to_csv()方法保存即可。
这样,爬取的豆瓣音乐排行榜数据就持久化保存到我们的文档里了。
需要注意的是!豆瓣页面上第4、5、6页只有24首(不是25首)音乐,所以总数量是247,不是250。
不是爬虫代码有问题,是豆瓣页面上就只有247条数据。
四、python爬虫源代码获取
我是@王哪跑,持续分享python干货,各类副业技巧及软件!
附完整python源码及csv表格数据:【python爬虫案例】利用python爬取豆瓣音乐评分TOP250的排行数据!