Python抓取百度音乐

Author：Insun

Content：

可以根据歌手名称来搜他的音乐 

譬如搜陈奕迅 有1161首歌曲 

http://music.baidu.com/search?key=%E9%99%88%E5%A5%95%E8%BF%85key后面的query需要quote一下  urlencode。

正则匹配一个页面上所有的歌名，一个分页20个。（这里就没去抓其他分页了）

然后根据一个百度音乐老接口API ，现在的音乐盒域名是play.baidu.com

http://box.zhangmen.baidu.com/x?op=12&count=1&title=爱情转移$$陈奕迅$$

<count>5</count>

<url>

<encode>

http://zhangmenshiting.baidu.com/data2/music/33936634

/ZGVsZ2tsamxfn6NndK6ap5WXcGeba5lsZ2qXmGlunZ1ilmqVmGuammFjlWxsamtrYmeWWqKfm3VhYGhqamxsaWFlZ2RtanBuMQ$$

</encode>

<decode>33936634.mp3?xcode=3f5b468dd48fe1d7ac5cb01b8744315c&mid=0.56565103408496

</decode>

<type>8</type>

<lrcid>2399</lrcid>

<flag>1</flag>

</url>

 

XML文件 count是说有5个可以下载的资源

我们直接取第一个

encode加密的链接是

http://zhangmenshiting.baidu.com/data2/music/33936634

 

/ZGVsZ2tsamxfn6NndK6ap5WXcGeba5lsZ2qXmGlunZ1ilmqVmGuammFjlWxsamtrYmeWWqKfm3VhYGhqamxsaWFlZ2RtanBuMQ$$

 

红色部分就是下面decode的内容

<decode>33936634.mp3?xcode=3f5b468dd48fe1d7ac5cb01b8744315c&mid=0.56565103408496

 

</decode>

 

我们python字符串处理一下 根据最后一个“/"来截取 最后拼凑成

http://zhangmenshiting.baidu.com/data2/music/33936634/

33936634.mp3?xcode=3f5b468dd48fe1d7ac5cb01b8744315c&mid=0.56565103408496

 

<?xml version="1.0" encoding="gb2312" ?>

<result><count>5</count><url>

<encode>

<![CDATA[http://zhangmenshiting.baidu.com/data2/music/33936634/

ZGVsZ2tsamxfn6NndK6ap5WXcGeba5lsZ2qXmGlunZ1ilmqVmGuammFjlWxsamtrYmeWWqKfm3VhYGhqamxsaWFlZ2RtanBuMQ$$]]>

</encode>

<decode>

<![CDATA[33936634.mp3?xcode=3f5b468dd48fe1d7ac5cb01b8744315c&mid=0.56565103408496]]>

</decode><type>8</type><lrcid>2399</lrcid><flag>1</flag></url>

<durl>

<encode>

<![CDATA[http://zhangmenshiting2.baidu.com/data2/music/1802507/

YmpjZmpmbmaeomZzrZmmnJZvZppqmGtuaZaXaG2cnGmVaZSXapmZaGKUa2tpamppZpVZoZ6adGhfZ2lpa2toaGRmY2xpb204]]>

</encode><decode><![CDATA[1802507.mp3?xcode=3f5b468dd48fe1d7ac5cb01b8744315c&mid=0.56565103408496]]>

</decode><type>8</type><lrcid>2399</lrcid><flag>1</flag></durl>

 

 源代码里是有CDATA的 所有正则时候要处理一下

type是类型 是mp3呢还是wma呢还是rm呢。。等等。。

lrcid 是个取整的算法 除以一百,然后取小于等于其结果的最大整数  2399/100 = 23

即 http://box.zhangmen.baidu.com/bdlrc/23/2399.lrc

然后分songs和lrcs目录下载下来

#!/usr/bin/env python

#! -*- encoding:utf-8 -*-

'''

根据歌手去找歌曲 一页20首歌 

然后根据歌名和歌手来下载歌曲和歌词

20首歌和歌词 接近1M/s的网速 花了33.9479383463s

author:insun

'''

import urllib,re,sys,os,time

reload(sys)

sys.setdefaultencoding('utf-8')

 

def musicScapy(singername):

    query =  urllib.quote(singername)

    url = 'http://music.baidu.com/search?key='+query

    response = urllib.urlopen(url)

    text = response.read()

    #<span class="song-title"  style="width: 170px;" ><a href="/song/7316463" class="" data-songdata='{ "id": "" }' title="爱情转移">爱情转移</a>

    reg = re.compile(r'<span class="song-title".+?>.+?<a.+?>(.*?)</a>',re.S)

    groups = re.findall(reg,text)

    '''判断目录songs和lrcs是否存在，不存在创建。否则报错'''

    if (os.path.exists('songs')== False):

        os.mkdir('songs')

    if(os.path.exists('lrcs') == False):

        os.mkdir('lrcs')

 

    for musicname in groups:

        try:

            xml =  urllib.urlopen('http://box.zhangmen.baidu.com/x?op=12&count=1&title='

                   + musicname+'$$'+singername +'$$').read()  

            encode =  re.compile('<encode>.*?CDATA\[(.*?)\]].*?</encode>',re.S).findall(xml)[0]  

            decode =  re.compile('<decode>.*?CDATA\[(.*?)\]].*?</decode>',re.S).findall(xml)[0]  

            lrcid =  re.compile('<lrcid>(.*?)</lrcid>',re.S).findall(xml)[0]

            #encode.rindex('/') 最后出现'/'的位置

            

            musicname = musicname.decode('utf-8')

            musiclink = encode[:encode.rindex('/')+1] + decode

            lrclink = 'http://box.zhangmen.baidu.com/bdlrc/'+str(int(lrcid)/100)+'/'+lrcid+'.lrc'

            #song download

            urllib.urlretrieve(musiclink,'songs/'+ musicname+'.mp3')

            #lrc download

            urllib.urlretrieve(lrclink,'lrcs/'+ musicname+'.lrc')

        

        except BaseException:

            print 'download failed'

          &

补充：Web开发 , Python ,