失眠网 > 【Python爬虫实战】使用Selenium爬取QQ音乐歌曲及评论信息

【Python爬虫实战】使用Selenium爬取QQ音乐歌曲及评论信息

时间：2024-04-02 18:31:30

本文对使用到的技术仅做简单的介绍，若想了解更多，请前往相应的官网网站进行学习。
本文适合对爬虫相关知识接触不多的新手，主要是普及Selenium如何做爬虫，大佬请跳过。

1.Selenium简单介绍

1.简介

Selenium是一个用于测试网站的自动化测试工具，支持各种主流界面浏览器。

简而言之，Selenium是一个用来做网站自动化测试的库，它的定位是做自动化测试的。我们也可以利用它来做爬虫，获取一些网页信息，并且这种爬虫是模拟真实浏览器操作的，实用性更强。

Selenium是市面上唯一一款可以与付费产品竞争的自动化测试工具。

如果想了解更多，可以前往Selenium中文网学习：戳我前往Selenium中文网

2.安装

要使用Selenium首先要在python中安装相关的库：

pip install Selenium

安装相应浏览器的webdricer驱动文件，这里提供chrome的链接，其它浏览器网上搜一搜就有。戳我前往下载chrome的webdriver驱动文件。选择合适的版本，我选择的是2.23。

下载解压后得到exe文件，将这个文件拷贝到chrom的安装文件夹下：

一般是C:\Program Files (x86)\Google\Chrome\Application，或者是C:\Program Files\Google\Chrome\Application。

然后将该路径配置到环境变量中：

最后到写段代码测试一下：

from selenium import webdriverdriver=webdriver.Chrome(executable_path="C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe")

如果看到开启了一个浏览器窗口就是成功了，否则下面会有相应的报错信息，需要检查前面的步骤。

3.简单使用介绍

1.元素定位方式：

基本上前几种方式就能够获取到需要的元素，需要自己辨别结果是否唯一来选择相应的选择器。

通过drive对象调用此方法，返回的是标签对象，或者是标签对象的列表，可以通过.text获取该标签下的文字，可以通过get_attribute()获取标签的其它属性值。

分享快速定位元素的小妙招：看所需信息所在的标签的id，class，name的名称是否与标签下信息的语义有关，一般有关的都代表是唯一的。（从开发者的角度去思考）若无法通过当前标签唯一定位，则考虑父级标签，依此类推，总是能找到定位的方法的。

2.鼠标事件（模拟鼠标操作）

通过标签对象调用即可。

3.键盘事件（模拟键盘操作）

4.其他操作

其他操作包括控制浏览器的操作，获取断言信息，表单切换，多窗口切换，警告框处理，下拉框处理，文件上传操作，cookie操作，调用js代码，截图，关闭浏览器等操作，因为在这里用的不多，就没有一一罗列，自行去官网学习。

2.爬取目标

这个实战爬虫主要完成以下目标：

爬取QQ音乐官网指定歌手的前5首歌曲的基本信息和前五百条热门评论。

1.获取前五歌曲的url

分析该页面的代码得知，包裹所有歌曲信息的标签的class是唯一的，我们可以获取到它，再遍历所有子标签，也可以一次得到所有包裹歌曲信息的div，再获取里面的a标签。

2.获取歌曲基本信息

可以看到基本信息标签里的class名称是有一部分带语义的，那么通过css选择器肯定可以唯一确定下来。

3.获取歌词

页面上的歌词不完整，似乎需要点击展开才行，但其实所有歌词已经在标签里面了，只是显示的问题了。

4.获取前五百条评论消息

我们可以看到热门评论一次是十五条，下面有一个点击加载更多链接，点了之后会多出15条。我们需要模拟点击33次，获得510条评论

5.写入CSV文件

使用csv库，将爬取到的数据写入到csv文件中进行持久化。

6.实现代码

from selenium import webdriverimport csvfrom time import sleepimport time## Author : ATFWUS# Date : -03-21 20:00# Version : 1.0# 爬取某个最热门五首歌曲的基本信息，歌词，前五百条热门评论# 此代码仅供交流学习使用##1.创建Chrome浏览器对象，这会在电脑上在打开一个浏览器窗口driver=webdriver.Chrome(executable_path="C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe")#2.打开QQ音乐 -周杰伦页面driver.get("/n/yqq/singer/001t94rh4OpQn0.html")#3.配置csv_file = open('songs1.csv','w',newline='',encoding='utf-8')writer = csv.writer(csv_file)start = time.time()# 取前5首歌曲song_numer=5song_url_list=[]song_resourses=[]songlist__item=driver.find_elements_by_class_name("songlist__item")# 获取所有歌曲urlfor song in songlist__item:song__url=song.find_element_by_class_name("js_song").get_attribute("href")song_url_list.append(song__url)song_numer-=1if(song_numer==0):break# print(song_url_list)print("已获取当前歌手热门歌曲列表前五首的url")print()# 获取一首歌曲所需要的信息def getSongResourse(url):song_resourse={}driver.get(url)# 这个1.8秒用于等待页面所有异步请求的完成sleep(1.8)# 获取歌曲名song_name=driver.find_element_by_class_name("data__name_txt").textprint("开始获取歌曲《"+song_name+"》的基本信息")# 获取流派，发行时间，评论数song_liupai = driver.find_element_by_css_selector(".js_genre").text[3:]song_time = driver.find_element_by_css_selector(".js_public_time").text[5:]song_comment_num = driver.find_element_by_css_selector(".js_into_comment").text[3:-1]print("歌曲《" + song_name + "》基本信息获取完毕")print("开始获取歌曲《" + song_name + "》的歌词")# 点击展开歌词driver.find_element_by_partial_link_text("[展开]").click()sleep(0.3)lyic=""# 获取拼接歌词lyic_box=driver.find_element_by_id("lrc_content").find_elements_by_tag_name("p")for l in lyic_box:if l.text!="":lyic+=l.text+"\n"print("歌曲《" + song_name + "》的歌词获取完毕")print("开始获取歌曲《" + song_name + "》的第1-15条热门评论")# 获取500条评论comments=[]# 点击加载更多29次，每次多出15条评论for i in range(33):try:driver.find_element_by_partial_link_text("点击加载更多").click()except:breakprint("开始获取歌曲《" + song_name + "》的第"+str((i+1)*15+1)+"-"+str((i+2)*15)+"条热门评论")sleep(0.5)comments_list=driver.find_element_by_css_selector(".js_hot_list").find_elements_by_tag_name("li")for com in comments_list:content=com.find_element_by_css_selector(".js_hot_text").textcontent_time=com.find_element_by_css_selector(".comment__date").textzan_num=com.find_element_by_class_name("js_praise_num").textcomment = {}comment.update({"评论内容":content})comment.update({"评论时间":content_time})comment.update({"评论点赞次数":zan_num})comments.append(comment)print("歌曲《" + song_name + "》的前五百条热门评论获取完毕")print("歌曲《"+song_name+"》所有信息获取完毕")print()song_resourse.update({"歌曲名":song_name})song_resourse.update({"流派":song_liupai})song_resourse.update({"发行时间":song_time})song_resourse.update({"评论数":song_comment_num})song_resourse.update({"歌词":lyic})song_resourse.update({"500条精彩评论":comments})return song_resoursefor song_page in song_url_list:song_resourses.append(getSongResourse(song_page))print("正在写入CSV文件...")for i in song_resourses:writer.writerow([i["歌曲名"],i["流派"],i["发行时间"],i["评论数"],i["歌词"]])for j in i["500条精彩评论"]:writer.writerow([j["评论内容"],j["评论时间"],j["评论点赞次数"]])writer.writerow([])csv_file.close()end = time.time()print("爬取完成，总耗时"+str(end-start)+"秒")

7.代码注意事项

注意在驱动对象get请求网页之后，要sleep一段时间，这段时间是网站用来进行ajax请求获取所需数据的，如果不sleep，那么你获取的数据很有可能是空的，或者是默认值。整个爬下来大概10分钟的样子，我已经将进度输出，不要提前关闭，因为我是最后才写入csv文件的，提前关闭csv文件里什么也没有。QQ音乐最近有个bug，就是点击去获取更多后，新增的15条评论还是最初的，可能也是网的原因，代码那里应该没有问题的。若某首歌曲的评论少于510条，会获取到所有的评论，但此时下面做数据读取的时候也要做相应的改变。这个代码主要用于爬取主要数据，很多模拟操作可能不完善。

8.使用Pandas库简单的计算数据

有关Pandas库的使用，它的两种数据结构，请查看官网，这里不做说明。戳我前往

先读取csv文件中的数据到内存中，再进行操作。

需要先安装pandas库：

pip install pandas

import pandas as pdimport csv# 这五个列表用于创建Seriesse=[]names=[]# 先读取CSV文件的内容至内存中with open("songs1.csv",'r',encoding="utf8") as f:# 创建阅读器对象reader = csv.reader(f)rows = [row for row in reader]index=0print("开始解析CSV数据...")for i in range(5):s1=[]# 读取第一行信息names.append(rows[index].__str__().split(',')[0][2:-1])index+=1# 读取五百条评论的点赞消息for j in range(510):try:s1.append(int(rows[index].__str__().split(',')[2][2:-2]))index+=1except:breakse.append(s1)# 读取掉空行index+=1print("CSV数据解析成功\n")# 创建的5个seriesfor i in range(5):series=pd.Series(se[i])print("歌曲《"+names[i]+"》的平均点赞次数是：" + str(series.mean()))print("歌曲《" + names[i] + "》的标准差是：" + str(series.std()))print()