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
Tornado Web服务器多进程启动的2个方法
Aug 04 Python
python中enumerate函数用法实例分析
May 20 Python
python中zip和unzip数据的方法
May 27 Python
python爬虫入门教程--HTML文本的解析库BeautifulSoup(四)
May 25 Python
Python(Django)项目与Apache的管理交互的方法
May 16 Python
点球小游戏python脚本
May 22 Python
浅谈python标准库--functools.partial
Mar 13 Python
python中字符串数组逆序排列方法总结
Jun 23 Python
Django ModelForm组件使用方法详解
Jul 23 Python
python实现回旋矩阵方式(旋转矩阵)
Dec 04 Python
浅谈Pytorch中的自动求导函数backward()所需参数的含义
Feb 29 Python
基于jupyter代码无法在pycharm中运行的解决方法
Apr 21 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
SSI指令
2006/11/25 PHP
需要使用php模板的朋友必看的很多个顶级PHP模板引擎比较分析
2008/05/26 PHP
PHP使用星号隐藏用户名,手机和邮箱的实现方法
2016/09/22 PHP
PHP filter_var() 函数, 验证判断EMAIL,URL等
2021/03/09 PHP
超简单的jquery的AJAX用法
2010/05/10 Javascript
JQuery的ready函数与JS的onload的区别详解
2013/11/21 Javascript
jQuery DOM插入节点操作指南
2015/03/03 Javascript
图片旋转、鼠标滚轮缩放、镜像、切换图片js代码
2020/12/13 Javascript
项目实践一图片上传之form表单还是base64前端图片压缩(前端图片压缩)
2016/07/28 Javascript
Bootstrap树形菜单插件TreeView.js使用方法详解
2016/11/01 Javascript
jQuery插件zTree实现的基本树与节点获取操作示例
2017/03/08 Javascript
解决js ajax同步请求造成浏览器假死的问题
2018/01/18 Javascript
用node.js写一个jenkins发版脚本
2019/05/21 Javascript
vue中uni-app 实现小程序登录注册功能
2019/10/12 Javascript
浅谈Vue组件单元测试究竟测试什么
2020/02/05 Javascript
Vue 技巧之控制父类的 slot
2020/02/24 Javascript
vue利用全局导航守卫作登录后跳转到未登录前指定页面的实例代码
2020/05/19 Javascript
[49:02]KG vs Infamous 2019国际邀请赛淘汰赛 败者组BO1 8.20.mp4
2020/07/19 DOTA
Python获取Linux系统下的本机IP地址代码分享
2014/11/07 Python
Python导出数据到Excel可读取的CSV文件的方法
2015/05/12 Python
Python中使用OpenCV库来进行简单的气象学遥感影像计算
2016/02/19 Python
Python并发之多进程的方法实例代码
2018/08/15 Python
python实现KNN分类算法
2019/10/16 Python
Tensorflow获取张量Tensor的具体维数实例
2020/01/19 Python
Python内置函数property()如何使用
2020/09/01 Python
python中的unittest框架实例详解
2021/02/05 Python
Ted Baker美国官网:英国时尚品牌
2018/10/29 全球购物
美国婴儿用品及配件购买网站:Munchkin
2019/04/03 全球购物
文明学生事迹材料
2014/01/29 职场文书
医药营销个人求职信
2014/04/12 职场文书
超市创业计划书
2014/04/24 职场文书
银行进社区活动总结
2014/07/07 职场文书
县级领导干部开展党的群众路线教育实践活动工作汇报
2014/10/25 职场文书
pytorch查看网络参数显存占用量等操作
2021/05/12 Python
python自动化测试通过日志3分钟定位bug
2021/11/20 Python
码云(gitee)通过git自动同步到阿里云服务器
2022/12/24 Servers