一、爬取案例-豆瓣音乐TOP250

之前给大家分享了2个豆瓣的python爬虫案例：

【python爬虫案例】利用python爬虫爬取豆瓣电影评分TOP250排行数据！

【python爬虫案例】利用python爬虫爬取豆瓣读书评分TOP250的排行数据！

今天再给大家分享一下：豆瓣音乐排行榜TOP250的python爬虫案例！

爬虫的流程和逻辑上都和之前分享过的2篇文章差不多

这次爬取的目标网址是：https://music.douban.com/top250

老规矩！咱们以目标为驱动，先来看下爬虫爬取成功后得到的csv文档数据

那代码是如何实现豆瓣音乐TOP250数据爬取的了？下面逐一讲解一下python实现。

二、豆瓣音乐TOP250网站分析

通过浏览器F12查看所有请求，发现他并没有发送ajax请求，那说明我们要的TOP250的排行榜数据大概率是在html页面内容上。

于是我们 点击右键->查看网页源代码 ，发现我们需要的豆瓣音乐评分的排行榜数据都在html页面里

这就简单了，我们直接往下看，上代码。

三、python爬虫代码详解

首先，导入我们需要用到的库

import requests     # 发请求
from lxml import etree  # 解析html
import pandas as pd  # 存取csv

然后，向豆瓣音乐TOP250的网页发起请求，获得html页面内容

page_source = requests.get(page_url, headers=headers).text

用lxml库解析html页面

tree = etree.HTML(page_source)

使用xpath来提取我们需要的音乐排行榜数据内容

# 获得数据所在的标签
tables = tree.xpath("//div[@class='indent']/table")

# 循环标签获得音乐信息
for table in tables:
    pl2 = table.xpath(".//div[@class='pl2']")[0]

    # 抓取数据
    url = extract_first(pl2.xpath("./a/@href"))     # 专辑链接
    music_name = extract_first(pl2.xpath("./a/text()"))     # 专辑名称
    score = extract_first(pl2.xpath(".//span[@class='rating_nums']/text()"))    # 评分
    score_people_num = extract_first(pl2.xpath(".//span[@class='pl']/text()"))
    score_people_num = re.search("\d+", score_people_num).group()   # 评分人数

    info_text = extract_first(pl2.xpath("//p[@class='pl']/text()"))
    infos = info_text.split("/")
    singer = infos[0].strip()  # 歌手
    publish_date = infos[1].strip() # 发行日期
    type = infos[2].strip()     # 类型
    media = infos[3].strip()    # 介质
    style = infos[4].strip()     # 曲风

最后，我们将爬虫爬取的数据保存到csv文档里

def save_to_csv(csv_name):
    """
    数据保存到csv
    @param csv_name: csv文件名字
    @return:
    """
    df = pd.DataFrame()  # 初始化一个DataFrame对象
    df['专辑名称'] = music_names
    df['专辑链接'] = urls
    df['歌手'] = singers
    df['评分'] = scores
    df['评分人数'] = score_people_nums
    df['发行日期'] = publish_dates
    df['类型'] = types
    df['介质'] = medias
    df['曲风'] = styles
    df.to_csv(csv_name, encoding='utf8', index=False)  # 将数据保存到csv文件

上面的music_names、urls等变量都是使用的list来进行存储的，这样才能符合pandas导出数据时的需要，然后调用to_csv()方法保存即可。

这样，爬取的豆瓣音乐排行榜数据就持久化保存到我们的文档里了。

需要注意的是！豆瓣页面上第4、5、6页只有24首（不是25首）音乐，所以总数量是247，不是250。
不是爬虫代码有问题，是豆瓣页面上就只有247条数据。

四、python爬虫源代码获取

我是@王哪跑，持续分享python干货，各类副业技巧及软件！

附完整python源码及csv表格数据：【python爬虫案例】利用python爬取豆瓣音乐评分TOP250的排行数据！