
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。

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
-
- 在爬取过程中将音频文件进行命名
-
- 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:


总结
通过本节课的学习,如何爬取网页上的音频信息有了更进一步了解。这里抛砖引玉一下,那如果我想要爬取网页的视频或者图片怎么办呢?
更多教程欢迎订阅
个人博客:www.hockel.club
微信公众号:跟着hockel玩科创

|