前言
Python爬虫、数据分析、网站开发等案例教程视频免费在线观看
https://space.bilibili.com/523606542前文内容
Python爬虫新手入门教学（一）：爬取豆瓣电影排行信息
Python爬虫新手入门教学（二）：爬取小说
Python爬虫新手入门教学（三）：爬取链家二手房数据
Python爬虫新手入门教学（四）：爬取前程无忧招聘信息
Python爬虫新手入门教学（五）：爬取B站视频弹幕
Python爬虫新手入门教学（六）：制作词云图
Python爬虫新手入门教学（七）：爬取腾讯视频弹幕
Python爬虫新手入门教学（八）：爬取论坛文章保存成PDF
Python爬虫新手入门教学（九）：多线程爬虫案例讲解
Python爬虫新手入门教学（十）：爬取彼岸4K超清壁纸
Python爬虫新手入门教学（十一）：最近王者荣耀皮肤爬取
Python爬虫新手入门教学（十二）：英雄联盟最新皮肤爬取
Python爬虫新手入门教学（十三）：爬取高质量超清壁纸
基本开发环境
- Python 3.6
- Pycharm
相关模块的使用
import requests
import os安装Python并添加到环境变量，pip安装需要的相关模块即可。
一、明确目标
爬取免费的播放量最多的有声书，如果你想要爬取付费的也是可以，那你得先开一个会员，
爬虫是看得到才能爬。
二、网页数据分析
点击任意一个音频章节点击播放。在开发者工具中选择 Media 会加载出一个数据
复制这个链接会自动下载一个可播放的音频文件。
听内容是和网站上面的有声小说是一样的。所以这个就是音频数据的真实url地址。
接下来就要分析找到这个数据来源。
在开发者工具中搜索 wKgJJ1eKo-3xGS0KAFIc8J_87NE024 框选的内容就是音频本身，所有查看第一个地址。
https://www.ximalaya.com/revision/play/v1/audio?id=18556416&ptype=1这个数据里面包含了音频地址。
其实这个 id=18556416 就是每个音频的ID值了。同样的在开发者工具中进行搜索。
有声书名字，音频ID，章节名字都有了。但是当我查看第二页数据的时候发现，并不是这个链接，而是另外一个链接。
https://www.ximalaya.com/revision/album/v1/getTracksList?albumId=4756811&pageNum=2
还是有一些区别的，所以我们应该请求的是第二个链接
整体思路分析
1、通过 'https://www.ximalaya.com/revision/album/v1/getTracksList?albumId=4756811&pageNum=2'
url地址获取每章音频的ID以及章节名字
2、通过 'https://www.ximalaya.com/revision/play/v1/audio?id=18556416&ptype=1' url地址获取
每章音频的下载地址
3、请求音频地址，进行本地保存三、代码实现
1、获取获取每章音频的ID以及章节名字
def get_audio_info(html_url):
json_data = get_response(html_url).json()
audio_info = json_data['data']['tracks']
for index in audio_info:
# 音频ID
audio_id = index['trackId']
# 章节名字
audio_title = index['title']
# 有声书小说名字 《摸金天师》第001章 百辟刀
audio_name = audio_title.split('第')[0]2、获取音频url
def get_audio_url(audio_id):
page_url = f'https://www.ximalaya.com/revision/play/v1/audio?id={audio_id}&ptype=1'
json_data = get_response(page_url).json()
audio_url = json_data['data']['src']
return audio_url3、保存音频
def save(name, title, audio_url):
path = f'{name}\\'
if not os.path.exists(path):
os.makedirs(path)
audio_content = get_response(audio_url).content
with open(path + title + '.m4a', mode='wb') as f:
f.write(audio_content)
print('正在保存：', title)完整实现代码
import requests
import os
def get_response(html_url):
header = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
response = requests.get(url=html_url, headers=header)
return response
def save(name, title, audio_url):
path = f'{name}\\'
if not os.path.exists(path):
os.makedirs(path)
audio_content = get_response(audio_url).content
with open(path + title + '.m4a', mode='wb') as f:
f.write(audio_content)
print('正在保存：', title)
def get_audio_url(audio_id):
page_url = f'https://www.ximalaya.com/revision/play/v1/audio?id={audio_id}&ptype=1'
json_data = get_response(page_url).json()
audio_url = json_data['data']['src']
return audio_url
def get_audio_info(html_url):
json_data = get_response(html_url).json()
audio_info = json_data['data']['tracks']
for index in audio_info:
# 音频ID
audio_id = index['trackId']
# 章节名字
audio_title = index['title']
# 有声书小说名字 《摸金天师》第001章 百辟刀
audio_name = audio_title.split('第')[0]
audio_url = get_audio_url(audio_id)
save(audio_name, audio_title, audio_url)
if __name__ == '__main__':
for page in range(1, 39):
url = f'https://www.ximalaya.com/revision/album/v1/getTracksList?albumId=4756811&pageNum={page}'
get_audio_info(url)
