python爬虫实例——爬取歌单

学习自http://www.hzbook.com/index.php/Book/search.html

书名：从零开始学python网络爬虫

爬取酷狗歌单，保存入csv文件

直接上源代码：（含注释）

import requests                     #用于请求网页获取网页数据
from bs4 import BeautifulSoup       #解析网页数据
import time                         #time库中的sleep()方法可以让程序暂停
import csv

'''
爬虫测试
酷狗top500数据
写入csv文件
'''
fp = open('D://kugou.csv','wt',newline='',encoding='utf-8')#创建csv
writer = csv.writer(fp)
writer.writerow(('rank','singer','song','time'))
#加入请求头
headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36'
}

#定义获取信息的函数
def get_info(url):
    wb_data = requests.get(url,headers=headers)#get方法加入请求头
    soup = BeautifulSoup(wb_data.text,'html.parser')#对返回结果进行解析
    #定位元素位置并通过selector方法获取
    ranks = soup.select('span.pc_temp_num')
    titles = soup.select('div.pc_temp_songlist > ul > li > a')
    times = soup.select('span.pc_temp_tips_r > span')
    for rank,title,time in zip(ranks,titles,times):
        data = {
            'rank':rank.get_text().strip(),
            'singer':title.get_text().split('-')[0],
            'song':title.get_text().split('-')[0],#通过split获取歌手和歌曲信息
            'time':time.get_text().strip()#get_text()获取文本内容
        }
        writer.writerow((rank.get_text().strip(),title.get_text().split('-')[0],title.get_text().split('-')[0],time.get_text().strip()))
        # 获取爬取信息并按字典格式打印
        #print(data)

#程序主入口
if __name__ == '__main__':
    urls = ['http://www.kugou.com/yy/rank/home/{}-8888.html'.format(str(i)) for i in range(1,4)]#构造多页url
    for url in urls:
        get_info(url)#循环调用
        time.sleep(1)#每循环一次，睡眠1秒,防止网页浏览频率过快导致爬虫失败

爬虫实例

浏览器：Chrome

网站爬取：