python3.x爬取网易云音乐 超级详细教程

首先还是去找目标网页并开始分析网页结构，如下文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

上面的三个箭头都是所要找的数据，分别是评论用户，评论和点赞数，都可以用正则表达式找出来，接下来继续找怎样找到下一页的数据，还是用开发者工具，但是当点击下一页的时候，网页的url没有变，说明网页是动态加载，所以就不能在当前网页找数据了，应该在他的xhr文件里找，所以点入network看看，然后也点击下一页一看，果然有想要的文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

看到这里，就兴奋地去敲代码了文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

一点击运行，结果什么东西都没有，但是他的状态码是200，明显请求成功啊，却没有东西返回，再去network仔细看看这个网页，看到他是个post请求，也看到了需要post两个参数params和ensSecKey文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

一看到这个，密密麻麻的数字和字母，就猜应该是被加密了，不过可以复制下来看看有没有用。接下来看下他的Response，咦，这是个json，不是html结构的，所以需要用到Json库来进行解析文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

现在开始敲代码吧，先把上面的两个参数复制过来看看。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

现在把每条评论的评论用户和点赞数和评论获取出来文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

可以看到，利用json.loads()方法把数据转成python格式里的字典后就可以把想要的数据取出来了，但是，下一页怎样取？总不能每次都复制粘贴那两个参数吧？那唯一的方法就是不爬了。。怎么可能？我的继续，那我就要进行破解这两个参数了，那好继续看network，因为要加密，肯定要用js进行加密的文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

看到刚才那个网站的发起者core.js,,然后把它文件下载下来慢慢研究文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

保存后在经过美化，然后进行查找那个encSecKey参数（ps:JSj'e'tong'yang'de美化网址为www.css88.com/tool/js_bea…文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

看到window.asrsea()方法有四个参数，先不去管这个函数，先看看他的四个参数是什什，这里没必要去研究那四个参数怎样来的，只需要知道他是什么，那么我们可以加点代码上去让他显示出来，从而利用fiddler来进行调试文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

加入代码如下文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

可以分别获取上面的每一个参数，也把那个params获取看看，然后在fiddler上操作如下文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

完成上面的设置后刷新网页就可以在console上面找到参数信息，如果没有的话这是因为你之前浏览该网页的时候它被缓存了下来，所以要清除缓存文件（在清除浏览器记录里面有）文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

那个rid有本歌曲的id，明显是与评论有关的，我试着连翻几页后，发现那个offset就是评论偏移数，offset就是(页数-1)*20，total在第一页是true，在其他页是false文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

同样的方法也得到第二个参数为：010001文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

第三个参数为：00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a876aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9d05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b8e289dc6935b3ece0462db0a22b8e7文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

第四个参数为：0CoJUm6Qyw8W8jud文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

接下来就要看window.asrsea()方法是什么操作的了，还是通过查找js文件可以看到这个文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

通过研究i是随机获取十六个字符而b函数是AES加密，其中偏移量为0102030405060708，模式为CBC，看回d函数，其中params连续两次加密，第一次加密时，文本为第一个参数。密钥为第四个参数，第二次加密时文本为第一次加密的值，密钥为随机数a。而encSeckey是一个RSA加密，他的公钥是第二个参数，模式是第三个参数，文本为那个随机字符串a文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

终于分析完了，接着开始敲代码文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

先来个获取第一页评论的代码文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

这是获取两个参数的类文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

这是解析网易云音乐和获取评论的类文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

然而一点击运行，直接给我报了个错：TypeError: can't concat str to bytes文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

原来是因为在第二次加密的时候，那个params是个byte类型，所以把他转成字符串类型就可以了文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

再次点击运行，结果还是报错了：json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

这个报错因为我的json解析错了，回头调试一看，网页返回的东西是空的，但他的状态码是200，这是什么鬼？接着我再试了把那两个参数的值直接复制和前面一样看看，结果运行成功，这就说明我的是加密过程错了，然后我就回去看了几篇，看不出什么错误，上网百度找到了这个知乎文章https://zhuanlan.zhihu.com/p/32069543，我把她的代码复制过来运行下，结果是可以的，我就继续看看我和她的区别，原来我在用那个16个随机字符的时候用错了，我在两个参数给了两个不同的，而是需要给共同一个的，看到这里，我就直接回去改了下，果然运行成功，代码我就不贴出来了，效果如下文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

接着是获取每一页的评论，而每一页与第一个参数的offset有关，其中的公式为offse=(页数-1)*20，total在第一页是true，在其他页是false文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

而写入数据库我用的是我这篇文章的操作文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

，由于篇幅过长，就不贴出来了，感兴趣的可以去看看文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

接下来点运行就可以了，但是运行到第八页的时候出现了这个异常文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

raise errorclass(errno, errval)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

pymysql.err.InternalError: (1366, "Incorrect string value: '\xF0\x9F\x92\x94' for column 'content' at row 1")文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

原因是这条评论有个识别不了的表情，之后百度参考这篇文章blog.csdn.net/HHTNAN/arti…文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

这是首页数据库效果文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html

获取完成（家驹的歌评论这么少吗？不解）文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/1700.html