标签：网易云歌词 Python网络爬虫 网络爬虫
本文的总体思路如下：
找到正确的URL，获取源码；
利用bs4解析源码，获取歌曲名和歌曲ID；
调用网易云歌曲API，获取歌词；
将歌词写入文件，并存入本地。
本文的目的是获取网易云音乐的歌词，并将歌词存入到本地文件。整体的效果图如下所示：
基于Python网易云音乐歌词爬取
赵雷的歌曲
本文以民谣歌神赵雷为数据采集对象，专门采集他的歌曲歌词，其他歌手的歌词采集方式可以类推，下图展示的是《成都》歌词。
基于Python网易云音乐歌词爬取
赵雷歌曲---《成都》
一般来说，网页上显示的URL就可以写在程序中，运行程序之后就可以采集到我们想要的网页源码。But在网易云音乐网站中，这条路行不通，因为网页中的URL是个假URL，真实的URL中是没有#号的。废话不多说，直接上代码。
基于Python网易云音乐歌词爬取
获取网页源码
本文利用requests、bs4、json和re模块来采集网易云音乐歌词，记得在程序中添加headers和反盗链referer以模拟浏览器，防止被网站拒绝访问。这里的get_html方法专门用于获取源码，通常我们也要做异常处理，未雨绸缪。
获取到网页源码之后，分析源码，发现歌曲的名字和ID藏的很深，纵里寻她千百度，发现她在源码的294行，藏在<ul class="f-hide">标签下，如下图所示：
基于Python网易云音乐歌词爬取
歌曲名和ID存在的位置
接下来我们利用美丽的汤来获取目标信息，直接上代码，如下图：
基于Python网易云音乐歌词爬取
获取歌曲名和ID
此处要注意获取ID的时候需要对link进行切片处理，得到的数字便是歌曲的ID；另外，歌曲名是通过get_text()方法获取到的，最后利用zip函数将歌曲名和ID一一对应并进行返回。
得到ID之后便可以进入到内页获取歌词了，但是URL还是不给力，如下图：
基于Python网易云音乐歌词爬取
歌词的URL
虽然我们可以明白的看到网页上的白纸黑字呈现的歌词信息，但是我们在该URL下却无法获取到歌词信息。小编通过抓包，找到了歌词的URL，发现其是POST请求还有一大堆看不懂的data，总之这个URL是不能为我们效力。那该点解呢？
莫慌，小编找到了网易云音乐的API，只要把歌曲的ID放在API链接上便可以获取到歌词了，代码如下：
基于Python网易云音乐歌词爬取
调用网易云API并解析歌词
在API中歌词信息是以json格式加载的，所以需要利用json将其进行序列化解析出来，并配合正则表达式进行清洗歌词，如果不用正则表达式进行清洗的话，得到原始的数据如下所示（此处以赵雷的歌曲《成都》为例）：
基于Python网易云音乐歌词爬取
原始数据
很明显歌词前面有歌词呈现的时间，对于我们来说其属于杂质信息，因此需要利用正则表达式进行匹配。诚然，正则表达式并不是唯一的方法，小伙伴们也可以采取切片的方式或者其他方法进行数据清洗，在此就不赘述了。
得到歌词之后便将其写入到文件中去，并存入到本地文件中，代码如下：
基于Python网易云音乐歌词爬取
写入文件和程序主体部分
现在只要我们运行程序，输入歌手的ID之后，程序将自动把该歌手的所唱歌曲的歌词抓取下来，并存到本地中。如本例中赵雷的ID是6731，输入数字6731之后，赵雷的歌词将会被抓取到，如下图所示：
基于Python网易云音乐歌词爬取
程序运行结果
之后我们就可以在脚本程序的同一目录下找到生成的歌词文本，歌词就被顺利的爬取下来了。
相信大家对网易云歌词爬取已经有了一定的认识了，不过easier said than down，小编建议大家动手亲自敲一下代码，在实践中你会学的更快，学的更多的。
这篇文章教会大家如何采集网易云歌词，那网易云歌曲如何采集呢？且听小编下回分解~~~
标签：网易云歌词 Python网络爬虫 网络爬虫
原文地址：http://blog.51cto.com/13389043/2108721
