基于python的网易云音乐分析

MacOS Sierra 10.12.1
Python 2.7
selenium 3.4.3
phantomjs

前言

发现自己有时候比挖掘别人来的更加有意义，自己到底喜欢谁的歌，自己真的知道么？习惯不会骗你

搭建爬虫环境

1.安装selenium

```shell pip install selenium

anaconda环境的可用conda install selenium

网速不好的可用到https://pypi.python.org/pypi/selenium下载压缩包，解压后使用python setup.py install

```

2.安装Phantomjs

2.1 Mac版本

步骤一下载包：去这里下载对应版本http://phantomjs.org/download.html 步骤二解压：双击就行，用unzip这都无所谓步骤三切入路径:cd ~/Downloads/phantomjs-2.1.1-macosx/bin # 我下的路径的路径是download，版本不一，注意修改步骤四：chmod +x phantomjs 步骤五: 配置环境，因为我装的的zsh，所以文件需要修改的是~/.zshrc这个文件，加上这句话export PATH="/Users/mrlevo/Downloads/phantomjs-2.1.1-macosx/bin/:$PATH"，然后source ~/.zshrc 即可生效(没用zsh的同学，直接修改的文件时~/.bash_profile，添加内容和上述一致) 查看是否生效：phantomjs -v # 有信息如 2.1.1 则生效

mac若遇到问题请参考 PhantomJS 安装

2.2 Win版本

官网http://phantomjs.org/下载PhantomJS解压后如下图所示：

调用时可能会报错“ Unable to start phantomjs with ghostdriver ”如图：

此时可以设置下Phantomjs的路径，同时如果你配置了Scripts目录环境变量，可以解压Phantomjs到该文件夹下。可参考 Selenium with GhostDriver in Python on Windows - stackoverflow ，整个win安装过程可参考在Windows下安装PIP+Phantomjs+Selenium ],Mac和Linux/Ubuntu 下可参考[ 解决：Ubuntu(MacOS)+phantomjs+python的部署问题

3. 测试安装是否成功

```

进入python环境后执行如下操作

win下操作

from selenium import webdriver # pip install selenium driver_detail = webdriver.PhantomJS(executable_path="F:\Python\phantomjs-1.9.1-windows\phantomjs.exe") driver_detail.get('https://www.baidu.com') news = driver_detail.find_element_by_xpath("//div[@id='u1']/a") print news.text 新闻 driver_detail.quit() # 记得关闭，不然耗费内存

mac下操作

from selenium import webdriver # pip install selenium driver_detail = webdriver.PhantomJS() driver_detail.get('https://www.baidu.com') news = driver_detail.find_element_by_xpath("//div[@id='u1']/a") print news.text 新闻 driver_detail.quit() # 记得关闭，不然耗费内存 ```

爬取动态数据

获取自己的id号，这个可以自己登陆自己的网易云音乐后获得，就是id=后面那个值

构造爬取的id，因为我发现，每个人的id只要被获取到，他的歌单都是公开的！！！这就节省了自动登录的一步，而且，我还有个大胆的想法，哈哈哈，我还要搞个大新闻！这次先不说~

墙裂推荐先阅读该博客掌握获取元素方法： Python爬虫 Selenium实现自动登录163邮箱和Locating Elements介绍

```python

- - coding: utf-8 - -

import traceback from selenium import webdriver import selenium.webdriver.support.ui as ui from selenium.webdriver.common.desired_capabilities import DesiredCapabilities import time import random

存储为文本的子函数

def write2txt(data,path): f = open(path,"a") f.write(data) f.write("\n") f.close()

获取该id喜欢音乐的列表

def catchSongs(url_id,url):

user = url_id.split('=')[-1].strip() 
print 'excute user:',user

driver = webdriver.PhantomJS()#,executable_path='/Users/mrlevo/phantomjs-2.1.1-macosx/bin/phantomjs') # 注意填上路径
driver.get(url)

driver.switch_to_frame('g_iframe') # 网易云的音乐元素都放在框架内！！！！先切换框架

try:
  wait = ui.WebDriverWait(driver,15)
  wait.until(lambda driver: driver.find_element_by_xpath('//*[@]/table/tbody')) # 等待元素渲染出来
  try:
    song_key = 1
    wrong_time = 0
    while wrong_time < 5: # 不断获取歌信息，假定5次获取不到值，就判无值可获取，跳出循环
      try:
        songs = driver.find_elements_by_xpath('//*[@]/table/tbody/tr[%s]'%song_key)
        info_ = songs[0].text.strip().split("\n")
        if len(info_) == 5:
          info_.insert(2,'None') # 没有MV选项的进行插入None
        new_line = '%s|'%user+'|'.join(info_)
        song_key +=1
        #new_line = "%s|%s|%s|%s|%s|%s|%s"%(user,info_[0],info_[1],info_[2],info_[3],info_[4],info_[5])

        print new_line

        write2txt(new_line.encode('utf-8'),user) # mac写入文件需要改变字符，以id命名的文件，存储在执行脚本的当前路径下，在win下请去掉编.endcode('utf-8')


      except Exception as ex:
        wrong_time +=1
        # print ex
  except Exception as ex:
    pass

except Exception as ex:
  traceback.print_exc()
finally:
  driver.quit()

获取id所喜爱的音乐的url

def catchPlaylist(url):

driver = webdriver.PhantomJS()#,executable_path='/Users/mrlevo/phantomjs-2.1.1-macosx/bin/phantomjs') # 注意填上路径
driver.get(url)

driver.switch_to_frame('g_iframe') # 网易云的音乐元素都放在框架内！！！！先切换框架

try:
  wait = ui.WebDriverWait(driver,15)
  wait.until(lambda driver: driver.find_element_by_xpath('//*[@]/li[1]/div/a')) # 根据xpath获取元素

  urls = driver.find_elements_by_xpath('//*[@]/li[1]/div/a')
  favourite_url = urls[0].get_attribute("href")

except Exception as ex:
  traceback.print_exc()
finally:
  driver.quit()
# print favourite_url
return favourite_url

if name == ' main ':

for url in ['http://music.163.com/user/home?id=67259702']:  # 这里把自己的id替换掉，想爬谁的歌单都可以，只要你有他的id
    time.sleep(random.randint(2, 4)) # 随机休眠时间2~4秒
    url_playlist = catchPlaylist(url)
    time.sleep(random.randint(1, 2))
    catchSongs(url,url_playlist)

```

不出意外的话，你的执行脚本的目录下会产生一个以你的id命名的文件，里面打开应该是这样的

```shell 67259702|2|因为了解|None|04:08|汪苏泷|慢慢懂 67259702|3|潮鳴り|None|02:37|折戸伸治|CLANNAD ORIGINAL SOUNDTRACK 67259702|4|每个人都会|None|02:58|方大同|橙月 Orange Moon 67259702|5|Don't Cry (Original)|MV|04:44|Guns N' Roses|Greatest Hits 67259702|6|妖孽（Cover：蒋蒋）|None|02:58|醉影An|醉声梦影 67259702|7|好好说再见（Cover 陶喆 / 关诗敏）|None|04:06|锦零/疯疯|zero 67259702|8|好好说再见（cover陶喆）|None|03:34|AllenRock|WarmCovers ·早

这边分别爬取的数据结构是： id|歌次序|歌名|是否有MV|时长|歌手|专辑

```

Show数据-ROUND1

接下来就是处理自己下好的自己的歌单了，为了方便起见，我在构造爬取代码的时候，已经构造的比较好了，这也就帮助大家减少了数据预处理的时间了，一般来说，数据不会那么干净的。

我只是做了最简单的歌手词云的例子，数据比较丰富的情况下，自己处理吧，想做什么统计都可以，或许以后我会补上可视化相关的一些例子

1. 自定义遮罩层版本

```python

- - coding: utf-8 - -

如果还不清楚词云怎么搞，请参考这里https://mp.weixin.qq.com/s/0Bw8QUo1YfWZR_Boeaxu_Q，或者自行百度，很简单的一个包

import numpy as np import PIL.Image as Image from wordcloud import WordCloud, ImageColorGenerator import matplotlib.pyplot as plt

统计词频

win的用户，把解码去掉即可，因为当时mac写入的文件有编码，所以读出来需要解码

def statistics(lst):
dic = {}
for k in lst:
if not k.decode('utf-8') in dic:dic[k.decode('utf-8')] = 0
dic[k.decode('utf-8')] +=1
return dic

path = '67259702' # 自己路径自己搞定 list_ = [] with open(path,'r') as f: for line in f: list_.append(line.strip().split('|')[-2].strip())

dict_ = statistics(list_)

the font from github: https://github.com/adobe-fonts

font = r'SimHei.ttf' coloring = np.array(Image.open("screenshot.png")) # 遮罩层自己定义，可选自己的图片 wc = WordCloud(background_color="white", collocations=False, font_path=font, width=1400, height=1400, margin=2, mask=np.array(Image.open("screenshot.png"))).generate_from_frequencies(dict_)

这里采用了generate_from_frequencies(dict_)的方法，里面传入的值是{‘歌手1’:5,‘歌手2’:8,},分别是歌手及出现次数，其实和jieba分词

之后使用generate(text)是一个效果，只是这里的text已经被jieba封装成字典了

image_colors = ImageColorGenerator(np.array(Image.open("screenshot.png"))) plt.imshow(wc.recolor(color_func=image_colors)) plt.imshow(wc) plt.axis("off") plt.show()

wc.to_file('mymusic2.png') # 把词云保存下来

```

2. 方块版本

```python

- - coding: utf-8 - -

稍微修改下参数，就是另一幅图，这是没有遮罩层的

import numpy as np import PIL.Image as Image from wordcloud import WordCloud, ImageColorGenerator import matplotlib.pyplot as plt

统计词频

def statistics(lst):
dic = {}
for k in lst:
if not k.decode('utf-8') in dic:dic[k.decode('utf-8')] = 0
dic[k.decode('utf-8')] +=1
return dic

path = '67259702' # 自己路径自己搞定 list_ = [] with open(path,'r') as f: for line in f: list_.append(line.strip().split('|')[-2].strip())

dict_ = statistics(list_)

the font from github: https://github.com/adobe-fonts

font = r'SimHei.ttf' coloring = np.array(Image.open("screenshot.png")) wc = WordCloud( collocations=False, font_path=font, width=1400, height=1400, margin=2, ).generate_from_frequencies(dict_)

这里采用了generate_from_frequencies(dict_)的方法，里面传入的值是{‘歌手1’:5,‘歌手2’:8,},分别是歌手及出现次数，其实和jieba分词

之后使用generate(text)是一个效果，只是这里的text已经被jieba封装成字典了

image_colors = ImageColorGenerator(np.array(Image.open("screenshot.png")))

plt.imshow(wc) plt.axis("off") plt.show()

wc.to_file('mymusic2.png') # 把词云保存下来

```

SHOW数据-ROUND2

刚看到个好玩的，迫不及待的试了下，这是关于语种翻译的API接口，阿里云买的，0.01=1000条，买买买，买来玩玩试试自己歌曲语种

```python

- - coding:utf-8 - -

调用的阿里云的API接口实现语种翻译

API官网：https://market.aliyun.com/products/57124001/cmapi010395.html?spm=5176.730005.0.0.UrR9bO#sku=yuncode439500000

import urllib, urllib2, sys import ssl

def Lang2Country(text): host = 'https://dm-12.data.aliyun.com' path = '/rest/160601/mt/detect.json' method = 'POST' appcode = 'xxxxx' # 购买后提供的appcode码 querys = '' bodys = {} url = host + path bodys['q'] = text post_data = urllib.urlencode(bodys) request = urllib2.Request(url, post_data) request.add_header('Authorization', 'APPCODE ' + appcode) # 根据API的要求，定义相对应的Content-Type request.add_header('Content-Type', 'application/x-www-form-urlencoded; charset=UTF-8') ctx = ssl.create_default_context() ctx.check_hostname = False ctx.verify_mode = ssl.CERT_NONE response = urllib2.urlopen(request, context=ctx) content = response.read() if (content): # print(content) return content else: return None

67259702|1|Claux - 水之畔(8lope Remix) (feat. 陶心瑶)|None|02:44|8lope|水之畔(feat. 陶心瑶) (8lope Remix)

list_songs = [] list_songwithsinger = [] with open('67259702') as f: # 文件名写上次爬下来的 for line in f: line_split = line.split('|') list_songs.append(line_split[2]) list_songwithsinger.append(line_split[2]+line_split[5])

调用接口进行语种识别

dict_lang = {} for i in range(537): try: content = Lang2Country(list_songwithsinger[i]) lag_ = json.loads(content)['data']['language'] if lag_ not in dict_lang: dict_lang[lag_]=0 dict_lang[lag_] +=1 except: pass

print dict_lang

{u'ru': 1, u'fr': 9, u'en': 111, u'zh': 259, u'pt': 21, u'ko': 8, u'de': 7, u'tr': 15, u'it': 47, u'id': 2, u'pl': 7, u'th': 1, u'nl': 10, u'ja': 17, u'es': 20}

```

ok,数据准备好了，接下来可视化就好了！这次我用Echarts，换个口味的就不用云词了，来个统计效果好看点的！

```python

进入该网页：http://echarts.baidu.com/demo.html#pie-simple

然后把里面的内容替换掉就行

option = { title : { text: '哈士奇说喵喜欢的音乐', x:'center' }, tooltip : { trigger: 'item', formatter:'{b} : {c} ({d}%)' }, legend: { orient: 'vertical', left: 'left', data:['中文','英文','俄语','法语','葡萄牙语','韩语','德语','土耳其语','意大利语'] }, series : [ { name: '访问来源', type: 'pie', radius : '55%', center: ['50%', '60%'], itemStyle: {
normal: {label:{
show:true,
formatter:'{b} : {c} ({d}%)'
},
}}, data:[ {value:259, name:'中文'}, {value:111,name:'英文'}, {value:1, name:'俄语'}, {value:9, name:'法语'}, {value:21, name:'葡萄牙语'}, {value:8, name:'韩语'}, {value:7, name:'德语'}, {value:15, name:'土耳其语'}, {value:47, name:'意大利语'}, {value:2, name:'印尼语'}, {value:7, name:'波兰语'}, {value:1, name:'泰语'}, {value:10, name:'荷兰语'}, {value:17, name:'日语'}, {value:20, name:'西班牙语'},

        ],

    }
]

};

```

Pay Attention

这里遇到的最大问题，就是网易云的网页竟然还iframe框来做！！！不切入那个内联框架连phantomjs都无能为力！！这是最值得注意的一点，即使你找对了元素，也可能获取不到值！
如果是win的计算机，在 driver = webdriver.PhantomJS()里面填上phantomjs.exe的路径，上面抓取数据的代码里面有两个需要引擎需要填写路径
如果有打印出字段，但是记录的数据为0KB，那么是文件没有写进去，对于win的用户，把代码写入的部门，编码方式去掉即可
有些win的小伙伴反应路径都加载对了，但是还是找不到exe，那么请在路径前面加r比如 executable_path=r"F:\Python\phantomjs-1.9.1-windows\phantomjs.exe"