一、解析網(wǎng)站
1.1 獲取音頻地址
在喜馬拉雅網(wǎng)站上，隨便點(diǎn)開一個(gè)音頻，打開“開發(fā)者工具”，再點(diǎn)擊播放按鈕，可以看到出現(xiàn)了多個(gè)請求：
經(jīng)過排查，發(fā)現(xiàn)可疑url:
查看它的響應(yīng)信息，發(fā)現(xiàn)音頻地址就在里面：
接下來，解析這個(gè)返回音頻地址的url：
https://www.ximalaya.com/revision/play/v1/audio?id=348451879&ptype=1
發(fā)現(xiàn)url中的id參數(shù)就決定了返回的音頻地址，而id參數(shù)是音頻的id號。
1.2 解析專欄網(wǎng)頁
我們已經(jīng)知道了獲取音頻url的網(wǎng)址，接下來要獲取一個(gè)專欄內(nèi)的音頻id和名稱，打開一個(gè)專欄，發(fā)現(xiàn)：
所有的音頻存放在class為1F_的li標(biāo)簽中，再來解析li標(biāo)簽：
在li標(biāo)簽中的第一個(gè)a標(biāo)簽存儲著我們所有需要的數(shù)據(jù)，妙~啊！
1.3 整理億下思路
思路：
1.獲取專欄內(nèi)的li標(biāo)簽
2.獲取li標(biāo)簽里的第一個(gè)a標(biāo)簽
3.讀取a標(biāo)簽的title和href屬性
4.將href解析成音頻id
5.將id帶入url請求音頻源地址
6.提取音頻源地址
7.請求音頻源地址
8.保存音頻（文件名為a的title屬性）
思路整理完了，開始編寫代碼。
二、編寫爬取代碼
代碼奉上――
import requests
from fake_useragent import UserAgent as ua
from bs4 import BeautifulSoup as bs
# 專欄地址
music_list_url = "https://www.ximalaya.com/ertongjiaoyu/19702607/"
# 獲取音頻地址的url
get_link_url = "https://www.ximalaya.com/revision/play/v1/audio"
# UA偽裝
headers = {
"User-Agent": ua().random
}
# 參數(shù)
params = {
"id": None, # id先設(shè)為None
"ptype": "1",
}
# 獲取專欄HTML源碼
music_list_r = requests.get(music_list_url, headers=headers)
# 解析 獲取所有l(wèi)i標(biāo)簽
soup = bs(music_list_r.text, "lxml")
li = soup.find_all("li", {"class": "lF_"})
# for循序遍歷處理
for i in li:
a = i.find("a") # 找到a標(biāo)簽
# 獲取href屬性
# split("/")將字符串以"/"作為分隔符 從右往左數(shù)第一項(xiàng)是id號
music_id = a.get("href").split("/")[-1]
# 獲取title屬性 和“.m4a”拼接成文件名
music_name = a.get("title") + ".m4a"
# 修改請求參數(shù)id
params["id"] = music_id
# 獲得音頻源地址
r = requests.get(get_link_url, headers=headers, params=params)
link = r.json()["data"]["src"]
# 獲取音頻文件并保存
music_file = requests.get(link).content
with open(music_name, "wb") as f:
f.write(music_file)
print("下載完畢！")
運(yùn)行代碼，等待億會（真的要等億會），可以看到當(dāng)前目錄下已經(jīng)出現(xiàn)了音頻文件，如圖：
到此這篇關(guān)于Python爬蟲之批量下載喜馬拉雅音頻的文章就介紹到這了,更多相關(guān)Python下載喜馬拉雅音頻內(nèi)容請搜索服務(wù)器之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持服務(wù)器之家！
原文鏈接：https://blog.csdn.net/wangzirui32/article/details/116888540
