Python实现提取谷歌音乐搜索结果的方法


Posted in Python onJuly 10, 2015

本文实例讲述了Python实现提取谷歌音乐搜索结果的方法。分享给大家供大家参考。具体如下:

Python的简单脚本,用于提取谷歌音乐搜索页面中的歌曲信息,包括歌曲名,作者,专辑名,现在链接等,最多只提取10页结果。

#! /usr/bin/env python
#coding=utf-8
'''
Created on 2011-8-19
@author: yaoboyuan
'''
from urllib import request,parse
import re,sys
def extractSongRawData(text):
  '抓取每一首歌的原始数据'
  text = re.sub('\n+','',text)
  songList = re.findall('\<tbody.*?\</tbody>',text)
  nums = len(songList)
  print('search ' + str(nums) + ' songs')
  return songList
def translate(text):
  '去掉text中的无用字符,转换unicode码'
  text = re.sub('\<b>','',text)
  text = re.sub('\</b>','',text)
  #find the 成 and translate into chinese
  s = re.findall('&#([0-9]+);',text)
  if len(s)<=0:
    return text
  else:
    text = ''
    for i in range(len(s)):
      value = int(s[i],10) #from str'123' to 10 base's int 124
      text += chr(value)  #from value to char
    return text
def extractSongName(song):
  '提取歌曲名字'
  td = re.findall('(?:\<td class\="Title).*(?:\</td>)',song)
  name = re.findall('.+?\<a.+?>(.*?)\</a>',td[0])
  songName = translate(name[0])
  return songName
def extractAuthorName(song):
  '提取作者名字'
  td = re.findall('(?:\<td class\="Artist).*(?:\</td>)',song)
  name = re.findall('.+?\<a.+?>(.*?)\</a>',td[0])
  authorName = name[0]
  authorName = translate(authorName)
  return authorName
def extrackAlbumName(song):
  '提取专辑名字'
  td = re.findall('(?:\<td class\="Album).*(?:\</td>)',song)
  name = re.findall('.+?\<a.+?>(.*?)\</a>',td[0])
  albumName = translate(name[0])
  return albumName
def extractID(song):
  '提取歌曲id'
  td = re.findall('''\<tbody id\="([a-zA-Z0-9]+)"''',song)
  if len(td)>0:
    return td[0]
  else:
    return song
def extractLink(song):
  '提取歌曲下载链接'
  td = re.findall('''\<td class\="Icon.*?(?=title\="下载").*?onclick\="(.*?)>''',song)
  if len(td) == 0:
    return 'NULL'
  s = str(td[0])
  rawLink = re.findall('http.*?(?=\?)',s)
  if len(rawLink) == 0:
    return s
  link = rawLink[0]
  link = re.sub('%3D','=',link)
  id = extractID(song)
  return link + '?id=' + id
def extractPageNums(text):
  '提取返回结果的页数,最多要10页'
  pageList = re.findall('page_link',text)
  return len(pageList)
def extractSongInfo(song):
  '提取歌曲信息,返回歌曲列表'
  songList = []
  for i in range(len(song)):
    songName = extractSongName(song[i])
    authorName = extractAuthorName(song[i])
    albumName = extrackAlbumName(song[i])
    link = extractLink(song[i])
    songItem = [songName,authorName,albumName,link]
    songList.append(songItem)
    index = ''
    if i<9:
      index = '0' + str(i+1)
    else:
      index = str(i + 1)
    #print(index + ' ' + songName + ' ' + authorName + ' ' + albumName + ' ' + link)
  return songList
def main():
  while True:
    url = 'http://www.google.cn/music/search?q='
    key = input('请输入歌曲名字或关键字:')
    key = parse.quote(key) #统一编码成utf-8
    url += key
    mf = request.urlopen(url)
    c = mf.readall()
    c = str(c,encoding = 'utf-8')
    num = extractPageNums(c)
    print(str(num+1) + ' pages found')
    song = extractSongRawData(c)
    songList = extractSongInfo(song)
    #if the result great than 2 pages, then request all pages
    if num>0:
      for i in range(num):
        start = (i+1)*20
        next_page = '&cat=song&start=%d'%(start)
        #next_page = parse.quote(next_page) #统一编码成utf-8
        url += next_page
        mf = request.urlopen(url)
        c = mf.readall()
        c = str(c,encoding = 'utf-8')
        song = extractSongRawData(c)
        songList += extractSongInfo(song) #find all results
    for i in range(len(songList)): #print the result
      index = ''
      if i<9:
        index = '0' + str(i+1)
      else:
        index = str(i + 1)
      print(index + ' ' + str(songList[i]))
if __name__ == '__main__':
  main()

希望本文所述对大家的Python程序设计有所帮助。

Python 相关文章推荐
python实现多线程采集的2个代码例子
Jul 07 Python
Python中计算三角函数之cos()方法的使用简介
May 15 Python
Python的GUI框架PySide的安装配置教程
Feb 16 Python
Python中使用asyncio 封装文件读写
Sep 11 Python
python getopt详解及简单实例
Dec 30 Python
老生常谈Python基础之字符编码
Jun 14 Python
利用django-suit模板添加自定义的菜单、页面及设置访问权限
Jul 13 Python
python使用scrapy发送post请求的坑
Sep 04 Python
Django实现跨域请求过程详解
Jul 25 Python
python interpolate插值实例
Jul 06 Python
通过案例解析python鸭子类型相关原理
Oct 10 Python
python 实现波浪滤镜特效
Dec 02 Python
python和bash统计CPU利用率的方法
Jul 10 #Python
Python多线程下载文件的方法
Jul 10 #Python
Python爬取国外天气预报网站的方法
Jul 10 #Python
Python实现比较两个文件夹中代码变化的方法
Jul 10 #Python
python简单文本处理的方法
Jul 10 #Python
Python实现把json格式转换成文本或sql文件
Jul 10 #Python
Python中的一些陷阱与技巧小结
Jul 10 #Python
You might like
DC宇宙的第一个英雄,堪称动漫史鼻祖,如今成为美国文化的象征
2020/04/09 欧美动漫
咖啡界又出新概念,无需咖啡豆的分子咖啡
2021/03/03 咖啡文化
神盾加密解密教程(一)PHP变量可用字符
2014/05/28 PHP
一些常用的JS功能函数代码
2009/06/23 Javascript
javascript instanceof,typeof的区别
2010/03/24 Javascript
javascript 兼容所有浏览器的DOM扩展功能
2012/08/01 Javascript
JS 屏蔽键盘不可用与鼠标右键不可用的方法
2013/11/18 Javascript
Javascript selection的兼容性写法介绍
2013/12/20 Javascript
使用js实现数据格式化
2014/12/03 Javascript
Bootstrap框架下下拉框select搜索功能
2020/03/26 Javascript
js 实现数值的千分位及保存小数方法(推荐)
2016/08/01 Javascript
BootStrap Tooltip插件源码解析
2016/12/27 Javascript
ES6中Iterator与for..of..遍历用法分析
2017/03/31 Javascript
初识NodeJS服务端开发入门(Express+MySQL)
2017/04/07 NodeJs
React中的refs的使用教程
2018/02/13 Javascript
jQuery实现网页拼图游戏
2020/04/22 jQuery
一些手写JavaScript常用的函数汇总
2019/04/16 Javascript
vue下载excel的实现代码后台用post方法
2019/05/10 Javascript
JS面向对象编程实现的Tab选项卡案例详解
2020/03/03 Javascript
vue props default Array或是Object的正确写法说明
2020/07/30 Javascript
jQuery实现朋友圈查看图片
2020/09/11 jQuery
[01:10]DOTA2 Supermajor:英雄,由我们见证
2018/05/14 DOTA
用Python编写一个每天都在系统下新建一个文件夹的脚本
2015/05/04 Python
Python中用于转换字母为小写的lower()方法使用简介
2015/05/19 Python
Python与Java间Socket通信实例代码
2017/03/06 Python
对python 生成拼接xml报文的示例详解
2018/12/28 Python
利用Python正则表达式过滤敏感词的方法
2019/01/21 Python
Python3多线程基础知识点
2019/02/19 Python
django admin后台添加导出excel功能示例代码
2019/05/15 Python
python3 正则表达式基础廖雪峰
2020/03/25 Python
Django模板报TemplateDoesNotExist异常(亲测可行)
2020/12/18 Python
印度领先的眼镜电子商务网站:Lenskart
2019/12/16 全球购物
网管求职信
2014/03/03 职场文书
师德标兵事迹材料
2014/12/19 职场文书
2015年团支部年度工作总结
2015/05/27 职场文书
红白喜事主持词
2015/07/06 职场文书