本篇针对爬虫零基础的小白，所以每一步骤我都截图并详细解释了，其实我自己看着都啰嗦，归根到底就是两个步骤的请求，还请大佬绕路勿喷。
1、打开酷狗官网,可以看到搜索框，我们要爬取的数据就是搜索歌曲后，酷狗后台返回的歌曲列表以及每首歌的歌曲信息(歌词、作者、url等)
2、敲F12键进入开发者模式，选择Network - All (这里就是酷狗前后台交互的所有请求列表）
3、搜索框中输入搜索内容,然后右侧就可以看到会出现很多列表,搜索的列表数据其实就在这里面一条，我已经红色框标注了(找出这个可以根据那个名字song_search，实在不行点开一个个看是不是所要找的内容)
4、点开这行，上面切换到Preview发现就是搜索结果的json数据，lists就是数据列表
5、点开一条歌曲，里面就包含歌曲名字，作者，AlbumID，FileHash等歌曲信息
6、然后我们上面切换到Headers，可以看到RequestURL(就是请求网址)，下面箭头可以看到是GET请求
7、往下滑，可以看到Requset Headers(这个后端会验证heades，一般请求时user-agent都需要写上，有些还验证更偏的，需要看情况处理，酷狗倒是没有验证，不写headers请求也可以)和请求参数(这就是请求的参数，搜索关键词、请求数目等信息)
8、话不多说，我们直接用python的requests库(这个直接百度装一下就行)构造请求，我的环境是python2.7，python3的注意一下版本差异
输出结果就是这样，可以看到返回json内容全部打印了出来，这就是和刚才在浏览器开发者工具看到的信息一样
10、接着我们拿到列表后，再转回浏览器，拿到列表每一条歌曲的具体信息,左侧选择第一条点击进入详情页
11、可以看到跳转到了播放页面,刷新一下页面，重新加载一遍
12、可以看到右侧红色框圈起来的就是歌曲信息(你可能问我怎么知道哪个才是包含歌曲信息的，当然是观察法了，写多了就有经验了，实在不会一个个点进去看)
13、我用箭头标注的都是一般需要爬取的有用信息，可以看到作者，歌曲名，歌词，专辑图片，id，play_url都在里面，不信你把play_url复制到地址栏回车播放的肯定是这个歌曲，拿到这个url我们就可以直接下载歌曲了
14、接着我们再从上方从Preview切换到Headers，可以看到和请求歌曲列表差不多，还是GET请求
15、这里的query同样还是GET请求的参数，其中hash和album_id就是一首歌曲的信息，我们只需要请求不同歌曲时改这两个参数就行了(第一步请求搜索列表每一行单曲数据包含这个参数了)
16、直接刚才根据开发者模式里面的RequestURL，构造get请求，请求每首歌曲时换上每首歌对应的id和hash值就行
可以看到控制台打印了单曲信息，因为是json数据没有转换，直接输出打印现在看起来有点乱
注意，酷狗返回数据并不直接就是json格式，两端有一些无用字符串，需用正则表达式去除，只保留大括号{}里面(包括大括号)内容，19步骤代码里有说明
19、我们已经熟悉了上面的两步，最后进行汇总写一个完整的python爬虫，输入搜索歌曲，拿到搜索列表并包括单曲信息
最后控制台输出结果
网友评论