scrapy+selenium爬取网易云音乐排行榜

仔细研究网易云音乐排行榜html码源,发现榜单是iframe动态加载的,因此scrapy结合selenium来爬取

  • 在middlewares.py文件中建立中间件,结合selenium
from selenium import webdriver
import selenium.webdriver.support.ui as ui
from scrapy.http import HtmlResponse

#采用中间件结合selenium
class JavaScriptMiddleware(object):
    def process_request(self, request, spider):
        if spider.name == "wymusic":
            print "PhantomJS is starting..."
            driver = webdriver.PhantomJS() #指定使用的浏览器
            driver.get(request.url)
            driver.switch_to.frame('g_iframe') #移动到 iframe
            wait = ui.WebDriverWait(driver, 15)
            if wait.until(lambda driver: driver.find_element_by_id('toplist')):
                body = driver.page_source
            return HtmlResponse(driver.current_url, body=body, encoding='utf-8', request=request)
        else:
            return
            
  • 在settings.py中添加中间件
DOWNLOADER_MIDDLEWARES = {
    #'scrapySpider.middlewares.MyCustomDownloaderMiddleware': 543,
    'wymusicSpider.middlewares.JavaScriptMiddleware': 543,
}
  • 在items.py中定义要爬取的字段
class WymusicItem(scrapy.Item):
    rank = scrapy.Field()      # 排名
    title = scrapy.Field()     # 歌名
    duration = scrapy.Field()  # 时长
    author = scrapy.Field()    # 作者
  • 编写爬虫
import scrapy
from scrapy.http.request import Request
from wymusicSpider.items import WymusicItem
import sys
import lxml

reload(sys)
sys.setdefaultencoding('utf-8')

#html DOM tree to lxml 格式
def parse_from_unicode(unicode_str):  
        utf8_parser = lxml.etree.HTMLParser(encoding='utf-8')
        s = unicode_str.encode('utf-8')
        return lxml.etree.fromstring(s, parser=utf8_parser)

class WymusicSpider(scrapy.Spider):
    name = 'wymusic'
    allowed_domains = ['music.163.com']
    start_urls = ['http://music.163.com/#/discover/toplist']

    def parse(self, response):
        items = []
        dom = parse_from_unicode(response.body)
        
        lists = dom.xpath('//tbody/tr')
        for row in lists:
            td = row.xpath("td")
            rank = td[0].xpath("div/span[@class='num']/text()")[0]
            title = td[1].xpath("div/div/div/span/a/b//@title")[0]
            duration = td[2].xpath("span/text()")[0]
            author = td[3].xpath("div//@title")[0]
            
            item = WymusicItem()

            item['rank']  = rank
            item['title']  = title
            item['duration']  = duration
            item['author']  = author

            if item not in items:
                items.append(item)

        return items
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,117评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,963评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,897评论 0 240
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,805评论 0 203
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,208评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,535评论 1 216
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,797评论 2 311
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,493评论 0 197
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,215评论 1 241
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,477评论 2 244
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,988评论 1 258
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,325评论 2 252
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,971评论 3 235
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,055评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,807评论 0 194
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,544评论 2 271
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,455评论 2 266

推荐阅读更多精彩内容