ToB企服应用市场:ToB评测及商务社交产业平台

标题: 【python爬虫案例】利用python爬取豆瓣音乐评分TOP250的排行数据！ [打印本页]
作者: 傲渊山岳    时间: 2024-10-14 14:59
标题: 【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

老例子！咱们以目标为驱动，先来看下爬虫爬取乐成后得到的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查看全部哀求，发现他并没有发送ajax哀求，那阐明我们要的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 ，发现我们必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

起首，导入我们必要用到的库
  1. import requests     # 发请求
  2. from lxml import etree  # 解析html
  3. import pandas as pd  # 存取csv
复制代码
然后，向豆瓣音乐TOP250的网页发起哀求，得到html页面内容
  1. page_source = requests.get(page_url, headers=headers).text
复制代码
用lxml库解析html页面
  1. tree = etree.HTML(page_source)
复制代码
使用xpath来提取我们必要的音乐排行榜数据内容
  1. # 获得数据所在的标签
  2. tables = tree.xpath("//div[@class='indent']/table")
  4. # 循环标签获得音乐信息
  5. for table in tables:
  6.     pl2 = table.xpath(".//div[@class='pl2']")[0]
  8.     # 抓取数据
  9.     url = extract_first(pl2.xpath("./a/@href"))     # 专辑链接
  10.     music_name = extract_first(pl2.xpath("./a/text()"))     # 专辑名称
  11.     score = extract_first(pl2.xpath(".//span[@class='rating_nums']/text()"))    # 评分
  12.     score_people_num = extract_first(pl2.xpath(".//span[@class='pl']/text()"))
  13.     score_people_num = re.search("\d+", score_people_num).group()   # 评分人数
  15.     info_text = extract_first(pl2.xpath("//p[@class='pl']/text()"))
  16.     infos = info_text.split("/")
  17.     singer = infos[0].strip()  # 歌手
  18.     publish_date = infos[1].strip() # 发行日期
  19.     type = infos[2].strip()     # 类型
  20.     media = infos[3].strip()    # 介质
  21.     style = infos[4].strip()     # 曲风
复制代码
最后，我们将爬虫爬取的数据保存到csv文档里
  1. def save_to_csv(csv_name):
  2.     """
  3.     数据保存到csv
  4.     @param csv_name: csv文件名字
  5.     @return:
  6.     """
  7.     df = pd.DataFrame()  # 初始化一个DataFrame对象
  8.     df['专辑名称'] = music_names
  9.     df['专辑链接'] = urls
  10.     df['歌手'] = singers
  11.     df['评分'] = scores
  12.     df['评分人数'] = score_people_nums
  13.     df['发行日期'] = publish_dates
  14.     df['类型'] = types
  15.     df['介质'] = medias
  16.     df['曲风'] = styles
  17.     df.to_csv(csv_name, encoding='utf8', index=False)  # 将数据保存到csv文件
复制代码
上面的music_names、urls等变量都是使用的list来进行存储的，如许才能符合pandas导出数据时的必要，然后调用to_csv()方法保存即可。
如许，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。
必要注意的是！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。
不是爬虫代码有标题，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！
附完备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！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。



欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/) Powered by Discuz! X3.4