本篇文章给大家带来的内容是python3爬虫实例之网易云音乐爬虫。有一定的参考价值，有需要的朋友可以参考一下，希望对你们有所帮助。
此次的目标是爬取网易云音乐上指定歌曲所有评论并生成词云
具体步骤：
一：实现js加密
 找到这个ajax接口没什么难度，问题在于传递的数据，是通过js加密得到的，因此需要查看js代码。
通过断掉调试可以找到数据是由core_8556f33641851a422ec534e33e6fa5a4.js?8556f33641851a422ec534e33e6fa5a4.js里的window.asrsea函数加密的。
通过进一步的查找，可以找到下面这个函数：
function() {    // 生成长度为16的随机字符串    function a(a) {        var d, e, b = abcdefghijklmnopqrstuvwxyzabcdefghijklmnopqrstuvwxyz0123456789, c = ;        for (d = 0; a > d; d += 1)            e = math.random() * b.length,            e = math.floor(e),            c += b.charat(e);        return c    }    // 实现aes加密    function b(a, b) {        var c = cryptojs.enc.utf8.parse(b)          , d = cryptojs.enc.utf8.parse(0102030405060708)          , e = cryptojs.enc.utf8.parse(a)          , f = cryptojs.aes.encrypt(e, c, {            iv: d,            mode: cryptojs.mode.cbc        });        return f.tostring()    }    // 实现rsa加密    function c(a, b, c) {        var d, e;        return setmaxdigits(131),        d = new rsakeypair(b,,c),        e = encryptedstring(d, a)    }    // 得到加密后的结果    function d(d, e, f, g) {        var h = {}          , i = a(16);        return h.enctext = b(d, g),        h.enctext = b(h.enctext, i),        h.encseckey = c(i, e, f),        h    }    function e(a, b, d, e) {        var f = {};        return f.enctext = c(a + e, b, d),        f    }}()
因此我们需要用python实现上面四个函数。第一个生成随机字符串的函数没难度，实现的代码如下：
# 生成随机字符串def generate_random_string(length): string = "abcdefghijklmnopqrstuvwxyzabcdefghijklmnopqrstuvwxyz0123456789" # 初始化随机字符串 random_string = "" # 生成一个长度为length的随机字符串 for i in range(length): random_string += string[int(floor(random() * len(string)))] return random_string
第二个是实现aes加密的函数，而用aes加密需要使用crypto这个库。 如果没有安装这个库的话，需要先安装pycrypto库，然后再安装crypto库。 在成功安装之后，如果import的时候没有crypto而只有crypto，先打开python安装目录下的lib\site-packages\crypto文件夹，如果里面有cipher文件夹，就返回到 lib\site-packages目录下把crypto重命名为crypto，然后应该就可以成功导入了。
由于aes加密的明文长度必须是16的倍数，因此我们需要对明文进行必要的填充，以满足它的长度是16的倍数，aes加密的模式是aes.mode_cbc,初始化向量iv='0102030405060708′。
实现aes加密的代码如下：
# aes加密def aes_encrypt(msg, key): # 如果不是16的倍数则进行填充 padding = 16 - len(msg) % 16 # 这里使用padding对应的单字符进行填充 msg += padding * chr(padding) # 用来加密或者解密的初始向量(必须是16位) iv = '0102030405060708' # aes加密 cipher = aes.new(key, aes.mode_cbc, iv) # 加密后得到的是bytes类型的数据 encrypt_bytes = cipher.encrypt(msg) # 使用base64进行编码,返回byte字符串 encode_string = base64.b64encode(encrypt_bytes) # 对byte字符串按utf-8进行解码 encrypt_text = encode_string.decode('utf-8') # 返回结果 return encrypt_text
第三个是实现rsa加密的函数，在rsa加密中，明文和密文都是数字， rsa的密文是对代表明文的数字的e次方求mod n 的结果， rsa加密后得到的字符串长为256，这里不够长我们用x字符填充。
实现rsa加密的代码如下：
# rsa加密def rsa_encrypt(random_string, key, f): # 随机字符串逆序排列 string = random_string[::-1] # 将随机字符串转换成byte类型数据 text = bytes(string, 'utf-8') # rsa加密 sec_key = int(codecs.encode(text, encoding='hex'), 16) ** int(key, 16) % int(f, 16) # 返回结果 return format(sec_key, 'x').zfill(256)
第四个函数是得到两个加密参数的函数，传入的四个参数，第一个参数json.stringify(i3x)是以下内容，其中offset和limit参数是必须要有的，offset的值是(页数-1)*20，limit的值是20
'{"offset":'+str(offset)+',"total":"true","limit":"20","csrf_token":""}'
第二个参数，第三个参数和第四个参数的值都是根据zj4n.emj得到的：
enctext的值是通过两次aes加密得到的，encseckey是通过rsa加密得到的，实现的具体代码如下：
# 获取参数def get_params(page): # 偏移量 offset = (page - 1) * 20 # offset和limit是必选参数,其他参数是可选的 msg = '{"offset":' + str(offset) + ',"total":"true","limit":"20","csrf_token":""}' key = '0cojum6qyw8w8jud' f = '00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a87' \ '6aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9' \ 'd05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b' \ '8e289dc6935b3ece0462db0a22b8e7' e = '010001' # 生成长度为16的随机字符串 i = generate_random_string(16) # 第一次aes加密 enc_text = aes_encrypt(msg, key) # 第二次aes加密之后得到params的值 enctext = aes_encrypt(enc_text, i) # rsa加密之后得到encseckey的值 encseckey = rsa_encrypt(i, e, f) return enctext, encseckey
二、解析并保存评论
通过查看preview的信息可以发现用户名和评论内容都是保存在json格式的数据里的
因此解析起来会很容易，直接提取nickname和content就好了。对于得到的数据，都保存在以歌名为文件名的txt文件中。实现的代码如下：
# 爬取评论内容def get_comments(data): # data=[song_id,song_name,page_num] url = 'https://music.163.com/weapi/v1/resource/comments/r_so_4_' + str(data[0]) + '?csrf_token=' # 得到两个加密参数 text, key = get_params(data[2]) # 发送post请求 res = requests.post(url, headers=headers, data={"params": text, "encseckey": key}) if res.status_code == 200: print("正在爬取第{}页的评论".format(data[2])) # 解析 comments = res.json()['comments'] # 存储 with open(data[1] + '.txt', 'a', encoding="utf-8") as f: for i in comments: f.write(i['content'] + "\n") else: print("爬取失败！")
三、生成词云
在进行这一步之前，需要先安装好jieba和wordcloud两个模块，jieba模块是一个用于中文分词的模块，wordcloud模块是一个用于生成词云的模块，可以自行了解学习。
这部分就不赘述了，具体代码如下：
# 生成词云def make_cloud(txt_name): with open(txt_name + ".txt", 'r', encoding="utf-8") as f: txt = f.read() # 结巴分词 text = ''.join(jieba.cut(txt)) # 定义一个词云 wc = wordcloud( font_path="font.ttf", width=1200, height=800, max_words=100, max_font_size=200, min_font_size=10 ) # 生成词云 wc.generate(text) # 保存为图片 wc.to_file(txt_name + ".png")
完整代码已经上传到github（包括font.ttf文件）：https://github.com/qaq112233/wangyiyun
以上就是python3爬虫实例之网易云音乐爬虫的详细内容。