python3 实现爬取TOP500的音乐信息并存储到mongoDB数据库中
时间:2020-12-08 23:03:56|栏目:Python代码|点击: 次
爬取TOP500的音乐信息,包括排名情况、歌曲名、歌曲时间。
网页版酷狗不能手动翻页进行下一步的浏览,仔细观察第一页的URL:
http://www.kugou.com/yy/rank/home/1-8888.html
这里尝试将1改为2,再进行浏览,恰好是第二页的信息,再改为3,恰好是第三页的信息,多次尝试发现不同的数字即为不同的页面。因此只需更改home/后面的数字即可。由于每页显示的为22首歌曲,所以总共需要23个URL。
import requests from bs4 import BeautifulSoup from time import sleep import pymongo #连接数据库 client = pymongo.MongoClient(‘localhost',27017) mydb = client[‘yourdb'] #创建数据库 musicTop = mydb[‘musicTop'] #使用header是用于伪装为浏览器,让爬虫更稳定 Headers = { ‘User-Agent': ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36' } #定义获取信息的函数 def get_info(url): wd_data = requests.get(url,headers=Headers) soup = BeautifulSoup(wd_data.text,‘lxml') #获取排名情况 ranks = soup.select(‘span.pc_temp_num') #获取标题 titles = soup.select(‘div.pc_temp_songlist > ul > li > a') #获取时间 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(), ‘song':title.get_text(), ‘time':time.get_text().strip() } musicTop.insert_one(data) #存入数据库中 if name == ‘main': urls = [‘http://www.kugou.com/yy/rank/home/{}-8888.html'.format(number) for number in range(1,24)] for url in urls: get_info(url) sleep(2)
运行后,爬取的数据在mongoDB数据库中显示如下:
上一篇:Python利用ORM控制MongoDB(MongoEngine)的步骤全纪录
栏 目:Python代码
下一篇:Tensorflow的可视化工具Tensorboard的初步使用详解
本文标题:python3 实现爬取TOP500的音乐信息并存储到mongoDB数据库中
本文地址:http://www.codeinn.net/misctech/30694.html