Python 爬虫实例学习——爬取酷狗TOP500数据

酷狗网址：https://www.kugou.com/yy/rank/home/1-8888.html?from=rank

环境：eclipse+pydev

import requests
from bs4 import BeautifulSoup
import time

headers ={
   'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36 QIHU 360EE'
         }    #加入请求头，伪装成浏览器，以便更好抓取数据

def get_info(url):           #定义获取信息的函数
   wb_data = requests.get(url,headers = headers)
   soup = BeautifulSoup(wb_data.text,'lxml')
   ranks = soup.select('span.pc_temp_num')                     #selet()方法见下面图示
   titles = soup.select('#rankWrap > div.pc_temp_songlist > ul > li > a')  
   times = soup.select('span.pc_temp_tips_r > span')
   for rank,title,time in zip(ranks,titles,times):
       data = {
           'rank':rank.get_text().strip(),                #歌曲序号
           'singer':title.get_text().split('-')[0],       #歌手名称
           'song':title.get_text().split('-')[1],         #歌曲名称
           'time':time.get_text().strip()                 #歌曲时长
       }        
       print (data)    
       
if __name__ == '__main__':                #程序主入口
   urls = ['https://www.kugou.com/yy/rank/home/{}-8888.html?from=rank'.format(str(i)) for i in range(1,24)]            #构建多页url，500条结果需23组，每页网页22条
   for url in urls:
       get_info(url)
       time.sleep(1)            #暂停程序，避免因提交网页请求频率过快而导致程序异常终止

select()使用方法:该方法类似于中国>广东省>惠州市，从大到小，提取信息，可通过chrome复制得到，如图示：

  注意：将li:nth-of-child(1)改为li

运行结果：