查看: 4780|回复: 3

[教程] python模式下批量爬取网页音频数据

python模式下批量爬取网页音频数据图1

前言

最近在带学生参加一个有关党史的比赛项目，其中有个功能需要播放有关中国共产党党史的音频，于是在这个网站上党史有声，天天学习找到了相关的音频文件。找了一下页面没有下载按钮。
python模式下批量爬取网页音频数据图2
于是我做了以下的尝试：
①：下载了一个谷歌的插件：Fatkun智能下载器。当我点击一个音频的时候，就可以下载网页内包含的音频文件了。

②：用F12直接查看网页中的MP3的文件地址，然后把地址复制到新的窗口进行下载操作了。

然后这样子一个一个进行下载和重名的步骤太过于繁琐了，之前学习了一些python的知识，于是我们就用python来提高我们的工作效率，解放我们的双手。那我们接下来就开始我们的教程：python批量进行爬取网页音频数据。Let's go

准备阶段

一、Mind+ 1.70V及以上

ps:我这里用的是Mind+,当然了你们可以用其他的python编译器（python IDE,PyCharm,anaconda,mpython,慧编程...等等），因为我这边主要带的对象是学生，所以用了一个比较适合学生的python编程软件。

首先先打开mind+，选着右上角的python模式：

我们可以看到现在呈现在我们面前的是图形化界面，由于我们用到的是代码编程，使用需要切换到代码模式下进行编程：点击左上角的代码进行模型切换！

然后点击右侧项目文件下面的新建文件按钮，创建一个.py文件。

二、安装bs4库

1.什么是BS4？

BS4全称是Beatiful Soup，它提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱，通过解析文档为tiful Soup自动将输入文档转换为Unicode编码，输出文档转换为utf-8编码。你不需要考虑编码方式，除非文档没有指定一个编一下原始编码方式就可以了。

2.BS4的4中对象

Tag对象：是html中的一个标签，用BeautifulSoup就能解析出来Tag的具体内容，具体的格式为‘soup.name‘,其中name是html下的标签。
BeautifulSoup对象：整个html文本对象，可当作Tag对象
NavigableString对象：标签内的文本对象
Comment对象：是一个特殊的NavigableString对象，如果html标签内存在注释，那么它可以过滤掉注释符号保留注释文本

最常用的还是BeautifulSoup对象和Tag对象

我们首先点击库管理：

选择pip模型进行安装：

输入下面代码进行安装：

pip install beautifulsoup4

然后点击运行进行安装即可！

可能会提示让你更新你的pip版本信息：

这里我们只需要根据提示进行更新即可!

以管理员的模式运行CMD。输入：

cd C:\Users\83731\Documents\mindplus-py\environment\Python3.6.5-64
python.exe -m pip install --upgrade pip

更新完成即可。

程序设计

我们想要效果如下：

1.将网页内的所有音频数据批量下载到电脑上
1. 在爬取过程中将音频文件进行命名
1. 创建一个文件夹，将爬取到的歌曲放置在该文件夹内

# -*- coding:UTF8 -*-
import requests
import re
import os
from bs4 import BeautifulSoup

# 创建文件夹
Dir = r"C:\Users\83731\Downloads\mp3\\"
os.mkdir(Dir)

# 获取网页信息
url = "https://www.721ys.com/home/index/details2/type_id/105.html"
r = requests.get(url)
html_text = r.text

# 将网页进行解析
soup = BeautifulSoup(html_text,'html.parser')

# 对soup进行遍历
for i in soup.select('ul[class="bd"]'):
    for j in i.select('li'):
        # 获取文件名与音频链接
        name = Dir + j.text.replace("\n","")
        url = j.find('i')['data-audio']
        print(name,url)
        # 获取URL的内容
        data = requests.get(url).content
        print("正在下载...")
        name = name + ".mp3"
        # 开始下载相应的音频文件
        with open(name,"wb") as f:
            f.write(data)

实验结果：

在这里插入图片描述