01 前言
是否还记得断桥残雪,一听就是一下午
是否还记得认错,上课前必点歌曲
是否还记得素颜,同桌那清秀的脸庞
最近许嵩在开演唱会,借此机会,听着许嵩的歌,做了这篇分享,不禁唏嘘,我们在慢慢的长大,竟记不起当年模样。
02 网页分析
这里,我们进入网易云音乐官网,找到许嵩的个人单曲。
这里是post请求,而且参数较复杂,所以使用selenium来进行爬虫,这里除了获取基本信息外,需要获取每首歌的id,用于歌词爬虫。
歌词爬虫,我们使用下面的url即可,换不同的id,就是不同歌的歌词。
http://music.163.com/api/song/lyric?id=1309642305&lv=1&kv=1&tv=-1
03 爬虫代码
首先是所有歌曲的爬虫,使用selenium,部分代码见下。
from selenium import webdriver
from lxml import etree
import time
import csv
def get_info(url):
driver = webdriver.Chrome()
driver.maximize_window()
driver.get(url)
driver.implicitly_wait(10)
iframe = driver.find_elements_by_tag_name('iframe')[0]
driver.switch_to.frame(iframe)
html = etree.HTML(driver.page_source)
infos = html.xpath('//div[@class="srchsongst"]/div')
for info in infos:
song_id = info.xpath('div[2]/div/div/a/@href')[0].split('=')[-1]
song = info.xpath('div[2]/div/div/a/b/text()')[0]
singer1 = info.xpath('div[4]/div/a')[0]
singer = singer1.xpath('string(.)')
album = info.xpath('div[5]/div/a/@title')[0]
print(song_id,song,singer,album)
writer.writerow([song_id, song, singer, album])
if __name__ == '__main__':
fp = open('music.csv', 'w', newline='', encoding='utf-8')
writer = csv.writer(fp)
writer.writerow(['song_id', 'song', 'singer', 'album'])
url = 'https://music.163.com/#/search/m/?s=%E8%AE%B8%E5%B5%A9&type=1'
get_info(url)
在这些歌中,有些是cover的,而有些是伴奏,在下载歌词之前,我们对这些数据进行清洗,尽量保证是许嵩原创而且不是伴奏的。
def foo1(singer):
if '许嵩' in singer:
return 'no cover'
else:
return 'cover'
def foo2(song):
if '伴奏' in song:
return '是'
else:
return '否'
music['原创'] = music['singer'].apply(foo1)
music['伴奏'] = music['song'].apply(foo2)
music[(music['原创'] == 'no cover') & (music['伴奏'] == '否')].to_csv('music_original.csv',index=None,encoding='utf-8')
最后,我们根据前面的url,下载歌词。
import requests
import re
import json
url = ''
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'
}
def get_info(id):
res = requests.get('http://music.163.com/api/song/lyric?id={}&lv=1&kv=1&tv=-1'.format(id),headers=headers)
json_data = json.loads(res.text)
lyric = json_data['lrc']['lyric']
lyric = re.sub('\[.*\]','',lyric)
return lyric
for i in range(music_original.shape[0]):
try:
fp = open('song/{}.txt'.format(music_original.iloc[i,1]),'w',encoding='utf-8')
fp.write(get_info(music_original.iloc[i,0]))
fp.close()
except:
pass
04 数据分析
01 数据基本情况
许嵩歌曲共计175首,妥妥的原创高产歌手~
02 专辑单曲数
早期的许嵩,是一个网络歌手,所以都放在了许嵩单曲集中,随后发的苏格拉没有底,寻雾启示是很不错的优秀专辑。
03 歌词词云
最后利用jieba分词,制作许嵩歌词的词云。
许嵩的歌偏悲伤爱情,通过词云也可以看出来。
公众号后台回复【入群】,加入学习交流群,需要代码的可以加群。
网友评论