0、知识点
爬虫基本流程
requests的使用
正则表达式的使用
一、第三方库
requests >>> pip install requests
二、开发环境
版 本： python 3.8
编辑器：pycharm 2021.2
三、模块安装问题
win + R 输入cmd 输入安装命令 pip install 模块名 (如果你觉得安装速度比较慢, 你可以切换国内镜像源)
模块安装问题:
- 如何安装python第三方模块:
1. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
2. 在pycharm中点击Terminal(终端) 输入安装命令
- 安装失败原因:
- 失败一: pip 不是内部命令
解决方法: 设置环境变量
- 失败二: 出现大量报红 (read time out)
解决方法: 因为是网络链接超时, 需要切换镜像源
清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：https://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：https://pypi.hustunique.com/
山东理工大学：https://pypi.sdutlinux.org/
豆瓣：https://pypi.douban.com/simple/
例如：pip3 install -i https://pypi.doubanio.com/simple/ 模块名
- 失败三: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入
解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好
或者你pycharm里面python解释器没有设置好
四、配置pycharm里面的python解释器
1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
2. 点击齿轮, 选择add
3. 添加python安装路径
五、pycharm如何安装插件
1. 选择file(文件) >>> setting(设置) >>> Plugins(插件)
2. 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese
3. 选择相应的插件点击 install(安装) 即可
4. 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效
六、爬虫基本思路
原理:
模拟 浏览器(客户端) 向 服务器 发送 网络请求(索要数据)
爬虫:
数据来源分析 https://music.163.com/discover/toplist
代码实现
1. 发送请求
2. 获取数据
3. 解析数据
4. 保存数据
http://music.163.com/song/media/outer/url?id=1943848052
七、完整代码
import requests # 发送请求 第三方模块
import re # 内置模块 无需安装
# x = 1
url = 'https://music.163.com/discover/toplist'
# 1. 发送请求
response = requests.get(url=url)
# <Response [200]>: 请求成功
# 2. 获取数据
html_data = response.text
# 3. 解析数据
# 音乐id 音乐名称 获取下来
# 正则
# <li><a href="/song\?id=(.*?)">(.*?)</a></li>
music_info = re.findall('<li><a href="/song\?id=(.*?)">(.*?)</a></li>', html_data)
for info in music_info:
music_id = info[0]
music_name = info[1]
# 找不到的 别人写的代码里面抠出来
music_url = f'http://music.163.com/song/media/outer/url?id={music_id}'
music_name = re.sub('[\\/:*?"<>|]', '', music_name)
print(music_url)
# 4. 保存数据
music_data = requests.get(url=music_url).content
with open(f'music/{music_name}.mp3', mode='wb') as f:
f.write(music_data)
