[[207757]]

最近發現越來越多的歌曲下載都需要繳費了，對維護正版是好事。但有的時候也想鉆個空子，正好最近在學習python，隨手寫了一個建議爬蟲，用來爬取某播放軟件的在線音樂。

主要思路就是爬取播放頁里的播放源文件的url，程序可以讀取用戶輸入并返回歌單，，，因為在線網站包含大量js，requests就顯得很無奈，又懶得手動解析js，于是寄出selenium大殺器。

selnium是一款很強大的瀏覽器自動化測試框架，直接運行在瀏覽器端，模擬用戶操作，目前selenium支持包括IE,Firefox,Chrome等主流瀏覽器及PhantomJS之類的無頭瀏覽器，selenium+phantomjs也是現在很火的一個爬蟲框架。

代碼不長，做的有些簡陋，以后可以加個GUI。。。。

步驟一：

進入酷狗主頁，F12查看元素，，通過selenium.webdriver的send_keys()方法給send_input類傳參，即用作用戶的輸入，然后通webdriver.click()方法點擊搜索按鈕，得到搜索結果列表。這里會有一個js重定向，通過webdriver.current_ur就可以了，，切記一點!傳入的參數需要經過unicode編碼(.decode(‘gb18030′))效果一樣)，否則如果有中文會亂碼。。(來自被深深困擾的我)

步驟二：

查看元素里每首歌的路徑，發現每首歌的路徑只有<li>不同,于是通過對li的迭代來獲取每一首歌的xpath，并輸出歌曲名字的元素，然后依舊通過webdriver的click()方法點擊歌曲鏈接，得到歌曲播放頁面，這里沒有什么難點，都是常規操作。需要注意的是，這里的歌曲鏈接也包含一個js的重定向，但不一樣的是瀏覽器會打開一個新的頁面(至少火狐會)，可以在click()方法后通過webdriver.switch_to_window()方法跳轉到新打開的頁面

步驟三：

進入播放頁面后通過xpath找到播放源文件鏈接(強推firepath，xpath神器啊)但發現這里依然有一個js渲染，來生成播放源鏈接，直接提取<src>標簽會顯示為空，于是繼續webdriver，調用的瀏覽器會自動解析js腳本，解析完成后提取<src>得到歌曲鏈接，使用urllib的urlretrueve()下載即可

代碼如下：

#coding=utf-8 
from selenium.webdriver.remote.webelement import WebElement 
from selenium import webdriver 
from selenium.webdriver import ActionChains 
from selenium.common.exceptions import NoSuchElementException 
from selenium.common.exceptions import StaleElementReferenceException 
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities 
from selenium.webdriver.common.by import By 
import time 
import urllib 
 
#歌曲名 
mname = '' 
 
#JS重定向 
def wait(driver): 
    elem = driver.find_element_by_tag_name('html') 
    count = 0 
    while True: 
        count += 1 
        if count > 20: 
            print('chao shi le') 
            return 
        time.sleep(.5) 
        try: 
            elem == driver.find_element_by_tag_name('html') 
        except StaleElementReferenceException: 
            return 
 
#獲取url 
def geturl(): 
    input_string = raw_input('>>>please input the search key:') 
    driver = webdriver.Chrome() 
    url = 'http://www.kugou.com/' 
    driver.get(url) 
    a=driver.find_element_by_xpath('html/body/div[1]/div[1]/div[1]/div[1]/input') #輸入搜索內容 
    a.send_keys(input_string.decode('gb18030')) 
    driver.find_element_by_xpath('html/body/div[1]/div[1]/div[1]/div[1]/div/i').click() #點擊搜索 
    result_url = driver.current_url 
    driver.quit() 
    return result_url 
 
 
#顯示搜索結果 
def show_results(url): 
    driver = webdriver.Chrome() 
    driver.get(url) 
    time.sleep(3) 
    for i in range(1,1000): 
        try: 
            print '%d. '%i + driver.find_element_by_xpath(".//*[@id='search_song']/div[2]/ul[2]/li[%d]/div[1]/a"%i).get_attribute('title')  #獲取歌曲名 
        except NoSuchElementException as msg: 
            break 
    choice = input(">>>Which one do you want(you can input 'quit' to goback(帶引號)):") 
    if choice == 'quit':   #從下載界面退回 
        result = 'quit' 
    else: 
        global mname 
        mname = driver.find_element_by_xpath(".//*[@id='search_song']/div[2]/ul[2]/li[%d]/div[1]/a"%choice).get_attribute('title') 
        a = driver.find_element_by_xpath(".//*[@id='search_song']/div[2]/ul[2]/li[%d]/div[1]/a"%choice) 
        actions = ActionChains(driver) 
        actions.move_to_element(a) 
        actions.click(a) 
        actions.perform() 
        #wait(driver) 
        driver.switch_to_window(driver.window_handles[1])  #跳轉到新打開的頁面 
        result = driver.find_element_by_xpath(".//*[@id='myAudio']").get_attribute('src') #獲取播放元文件url 
        driver.quit() 
    return result 
 
 
#下載回調 
def cbk(a, b, c): 
    per = 100.0 * a * b / c   
    if per > 100: 
        per = 100 
    print '%.2f%%' % per 
     
 
def main(): 
    print'***********************歡迎使用GREY音樂下載器********************************' 
    print'                                                      directed by GreyyHawk' 
    print'**************************************************************************' 
    time.sleep(1) 
    while True: 
        url = geturl() 
        result = show_results(url) 
        if result == 'quit': 
            print'\n' 
            continue 
        else: 
            local = 'd://%s.mp3'%mname 
            print 'download start' 
            time.sleep(1) 
            urllib.urlretrieve(result, local, cbk) 
            print 'finish downloading %s.mp3'%mname + '\n\n' 
 
 
 
if __name__ == '__main__': 
  main()    

效果： 

總結：

當網頁包含大量js的時候，selenium就會非常的方便，但經過實踐發現好像phantomjs解析js的效率沒有世紀瀏覽器的高，還會出錯，后來換成調用火狐就好了，，不知道為啥，，也許是臉黑吧，，總之selenium真的是一款非常強大的框架，對爬蟲有興趣的同學一定要了解一下。