三叶草 发表于 2021-10-6 11:08:11

java爬取并下载酷狗TOP500歌曲的方法

这篇文章主要介绍了java爬取并下载酷狗TOP500歌曲的方法,非常具有实用价值,需要的朋友可以参考下
是这样的,之前买车送的垃圾记录仪不能用了,这两天狠心买了好点的记录仪,带导航、音乐、蓝牙、4g等功能,寻思,既然有这些功能就利用起来,用4g听歌有点奢侈,就准备去酷狗下点歌听,居然都是需要办会员才能下载,而且vip一月只能下载300首,我这么穷又这么抠怎么可能冲会员,于是百度搜了下怎么免费下载,都是python爬取,虽然也会一点,但是电脑上没安装python,再安装再研究感觉有点费劲,于是就花了半小时做了这个爬虫,技术一般,只记录分析实现过程,大牛请绕行。其中用到了一些库,包括:jsoup、httpclient、net.sf.json大家可以自行去下载jar包
1、分析是否能获得top500歌单
首先,打开酷狗首页查看酷狗top500,说好的500首,怎么就只有22首呢,

是真的只让看这些还是能找到其余的呢,于是我就看了下这top500的链接

https://www.kugou.com/yy/rank/home/1-8888.html?from=rank
可以看的出home后边有个1,难道这是代表第一页的意思?于是我就把1改成2,进入,果然进入了第二页,至此可以知道我们可以在网页里获取这500首的歌单。
2.分析找到真正的mp3下载地址(这个有点绕)
点一个歌曲进入播放页面,使用谷歌浏览器的控制台的elements,搜一下mp3,很轻松就定位到了mp3的位置,

但是使用java访问的时候爬取的html里却没有该mp3的文件地址,那么这肯定是在该页面的位置使用了js来加载mp3,那么刷新下网页,看网页加载了哪些东西,加载的东西有点多,着重看一下js、php的请求,主要是看里面有没有mp3的地址,分析细节就不用说了,

最终我在列表的

https://wwwapi.kugou.com/yy/index.php?r=play/getdata&callback=jquery191027067069941080546_1546235744250&hash=667939c6e784265d541deee65ae4f2f8&album_id=0&_=1546235744251
这个请求里发现了mp3的完整地址,

"play_url": "http://fs.w.kugou.com/201812311325/dcf5b6449160903c6ee48035e11434bb/g128/m08/02/09/iicbafrzqf2anoadadn94ubomau995.mp3",
那这个js是怎么判断是哪首歌的呢,那么只可能是hash这个参数来决定歌曲的,然后到播放页面里找到这个hash的位置,是在下面的js里


var datafromsmarty = [{"hash":"667939c6e784265d541deee65ae4f2f8","timelength":"237051","audio_name":"u767du5c0fu767d - u6700u7f8eu5a5au793c","author_name":"u767du5c0fu767d","song_name":"u6700u7f8eu5a5au793c","album_id":0}],//当前页面歌曲信息
      playtype = "search_single";//当前播放
</script>
在去java爬取该网页,查看能否爬到这个hash,果然,爬取的html里有这段js,到现在mp3的地址也找到了,歌单也找到了,那么下一步就用程序实现就可以了。
3.java实现爬取酷狗mp3
先看一下爬取结果

找到了资源,程序实现就好说了,其中使用到了自己写的几个工具类,自己整理点自己的工具类还是有好处的,以后遇到什么问题就没必要重新写了,直接拿来用就可以了。没什么好说的了,下面直接贴出源码
spiderkugou.java


package com.bing.spider;

import java.io.ioexception;
import java.util.regex.matcher;
import java.util.regex.pattern;

import org.jsoup.nodes.document;
import org.jsoup.nodes.element;
import org.jsoup.select.elements;

import com.bing.download.filedownload;
import com.bing.html.htmlmanage;
import com.bing.http.httpgetconnect;

import net.sf.json.jsonobject;

public class spiderkugou {

    public static string filepath = "f:/music/";
    public static string mp3 = "https://wwwapi.kugou.com/yy/index.php?r=play/getdata&callback=jquery191027067069941080546_1546235744250&"
            + "hash=hash&album_id=0&_=time";
   
    public static string link = "https://www.kugou.com/yy/rank/home/page-8888.html?from=rank";
    //"https://www.kugou.com/yy/rank/home/page-23784.html?from=rank";
   
   
    public static void main(string[] args) throws ioexception {
         
      for(int i = 1 ; i < 23 ; i++){
            string url = link.replace("page", i + "");
            gettitle(url);
            //download("https://www.kugou.com/song/mfy6je5.html");
      }
    }
   
    public static string gettitle(string url) throws ioexception{
      httpgetconnect connect = new httpgetconnect();
      string content = connect.connect(url, "utf-8");
      htmlmanage html = new htmlmanage();
      document doc = html.manage(content);
      element ele = doc.getelementsbyclass("pc_temp_songlist").get(0);
      elements eles = ele.getelementsbytag("li");
      for(int i = 0 ; i < eles.size() ; i++){
            element item = eles.get(i);
            string title = item.attr("title").trim();
            string link = item.getelementsbytag("a").first().attr("href");
            
            download(link,title);
      }
      return null;
    }
   
    public static string download(string url,string name) throws ioexception{
      string hash = "";
      httpgetconnect connect = new httpgetconnect();
      string content = connect.connect(url, "utf-8");
      htmlmanage html = new htmlmanage();
         
      string regex = ""hash":"+"";
      // 编译正则表达式
      pattern pattern = pattern.compile(regex);
      matcher matcher = pattern.matcher(content);
      if (matcher.find()) {
            hash = matcher.group();
            hash = hash.replace(""hash":"", "");
            hash = hash.replace(""", "");
      }
         
      string item = mp3.replace("hash", hash);
      item = item.replace("time", system.currenttimemillis() + "");

      system.out.println(item);
      string mp = connect.connect(item, "utf-8");
         
      mp = mp.substring(mp.indexof("(") + 1, mp.length() - 3);
         
      jsonobject json = jsonobject.fromobject(mp);
      string playurl = json.getjsonobject("data").getstring("play_url");
         

      system.out.print(playurl + " == ");
      filedownload down = new filedownload();
      down.download(playurl, filepath + name + ".mp3");
         
      system.out.println(name + "下载完成");
      return playurl;
    }

}
httpgetconnect.java


package com.bing.http;

import java.io.bufferedreader;
import java.io.ioexception;
import java.io.inputstream;
import java.io.inputstreamreader;
import java.security.nosuchalgorithmexception;
import java.security.cert.certificateexception;
import java.security.cert.x509certificate;

import javax.net.ssl.sslcontext;
import javax.net.ssl.trustmanager;
import javax.net.ssl.x509trustmanager;

import org.apache.commons.logging.log;
import org.apache.commons.logging.logfactory;
import org.apache.http.httpentity;
import org.apache.http.client.clientprotocolexception;
import org.apache.http.client.httpclient;
import org.apache.http.client.responsehandler;
import org.apache.http.client.config.requestconfig;
import org.apache.http.client.methods.closeablehttpresponse;
import org.apache.http.client.methods.httpget;
import org.apache.http.conn.clientconnectionmanager;
import org.apache.http.conn.scheme.scheme;
import org.apache.http.conn.scheme.schemeregistry;
import org.apache.http.conn.ssl.sslsocketfactory;
import org.apache.http.impl.client.basicresponsehandler;
import org.apache.http.impl.client.closeablehttpclient;
import org.apache.http.impl.client.defaulthttpclient;
import org.apache.http.impl.client.httpclients;
import org.apache.http.impl.conn.basichttpclientconnectionmanager;
import org.apache.http.params.httpparams;
/**
* @说明:
* @author: gaoll
* @createtime:2014-11-13
* @modifytime:2014-11-13
*/
public class httpgetconnect {
   
    /**
   * 获取html内容
   * @param url
   * @param charsetname utf-8、gb2312
   * @return
   * @throws ioexception
   */
    public static string connect(string url,string charsetname) throws ioexception{
      basichttpclientconnectionmanager connmanager = new basichttpclientconnectionmanager();
      
      closeablehttpclient httpclient = httpclients.custom()
          .setconnectionmanager(connmanager)
          .build();
      string content = "";
      
      try{
            httpget httpget = new httpget(url);
            
            requestconfig requestconfig = requestconfig.custom()
            .setsockettimeout(5000)
            .setconnecttimeout(50000)
            .setconnectionrequesttimeout(50000)
            .build();
      httpget.setconfig(requestconfig);
      httpget.setheader("accept", "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8");
      httpget.setheader("accept-encoding", "gzip,deflate,sdch");
      httpget.setheader("accept-language", "zh-cn,zh;q=0.8");
      httpget.setheader("connection", "keep-alive");
      httpget.setheader("upgrade-insecure-requests", "1");
      httpget.setheader("user-agent", "mozilla/5.0 (windows nt 6.1; wow64) applewebkit/537.36 (khtml, like gecko) chrome/45.0.2454.101 safari/537.36");
      //httpget.setheader("hosts", "www.oschina.net");
      httpget.setheader("cache-control", "max-age=0");
         
            closeablehttpresponse response = httpclient.execute(httpget);
            
            int status = response.getstatusline().getstatuscode();
      if (status >= 200 && status < 300) {
      
      httpentity entity = response.getentity();
      inputstream instream = entity.getcontent();
      bufferedreader br = new bufferedreader(new inputstreamreader(instream,charsetname));
                stringbuffer sbf = new stringbuffer();
                string line = null;
                while ((line = br.readline()) != null){
                  sbf.append(line + " ");
                }

                br.close();
                content = sbf.tostring();
      } else {
      content = "";
      }
            
      }catch(exception e){
            e.printstacktrace();
      }finally{
            httpclient.close();
      }
      //log.info("content is " + content);
      return content;
    }
    private static log log = logfactory.getlog(httpgetconnect.class);
}
htmlmanage.java


package com.bing.html;

import java.io.ioexception;
import java.util.arraylist;
import java.util.list;

import org.apache.commons.logging.log;
import org.apache.commons.logging.logfactory;
import org.jsoup.jsoup;
import org.jsoup.nodes.document;
import org.jsoup.nodes.element;
import org.jsoup.select.elements;

import com.bing.http.httpgetconnect;

/**
* @说明:
* @author: gaoll
* @createtime:2014-11-13
* @modifytime:2014-11-13
*/
public class htmlmanage {
   
    public document manage(string html){
      document doc = jsoup.parse(html);
      return doc;
    }
   
    public document managedirect(string url) throws ioexception{
      document doc = jsoup.connect( url ).get();
      return doc;
    }
   
    public list<string> managehtmltag(document doc,string tag ){
      list<string> list = new arraylist<string>();
      
      elements elements = doc.getelementsbytag(tag);
      for(int i = 0; i < elements.size() ; i++){
            string str = elements.get(i).html();
            list.add(str);
      }
      return list;
    }
   
    public list<string> managehtmlclass(document doc,string clas ){
      list<string> list = new arraylist<string>();
      
      elements elements = doc.getelementsbyclass(clas);
      for(int i = 0; i < elements.size() ; i++){
            string str = elements.get(i).html();
            list.add(str);
      }
      return list;
    }
   
    public list<string> managehtmlkey(document doc,string key,string value ){
      list<string> list = new arraylist<string>();
      
      elements elements = doc.getelementsbyattributevalue(key, value);
      for(int i = 0; i < elements.size() ; i++){
            string str = elements.get(i).html();
            list.add(str);
      }
      return list;
    }
   
    private static log log = logfactory.getlog(htmlmanage.class);
}
filedownload.java


package com.bing.download;

import java.io.bufferedinputstream;
import java.io.bufferedoutputstream;
import java.io.file;
import java.io.fileoutputstream;

import org.apache.commons.logging.log;
import org.apache.commons.logging.logfactory;
import org.apache.http.client.config.requestconfig;
import org.apache.http.client.methods.closeablehttpresponse;
import org.apache.http.client.methods.httpget;
import org.apache.http.impl.client.closeablehttpclient;
import org.apache.http.impl.client.httpclients;

/**
* @说明:
* @author: gaoll
* @createtime:2014-11-20
* @modifytime:2014-11-20
*/
public class filedownload {
   
    /**
   * 文件下载
   * @param url 链接地址
   * @param path 要保存的路径及文件名
   * @return
   */
    public static boolean download(string url,string path){
      
      boolean flag = false;
      
      closeablehttpclient httpclient = httpclients.createdefault();
      requestconfig requestconfig = requestconfig.custom().setsockettimeout(2000)
                .setconnecttimeout(2000).build();

      httpget get = new httpget(url);
      get.setconfig(requestconfig);
      
      bufferedinputstream in = null;
      bufferedoutputstream out = null;
      try{
            for(int i=0;i<3;i++){
                closeablehttpresponse result = httpclient.execute(get);
                system.out.println(result.getstatusline());
                if(result.getstatusline().getstatuscode() == 200){
                  in = new bufferedinputstream(result.getentity().getcontent());
                  file file = new file(path);
                  out = new bufferedoutputstream(new fileoutputstream(file));
                  byte[] buffer = new byte;
                  int len = -1;
                  while((len = in.read(buffer,0,1024)) > -1){
                        out.write(buffer,0,len);
                  }
                  flag = true;
                  break;
                }else if(result.getstatusline().getstatuscode() == 500){
                  continue ;
                }
            }
            
      }catch(exception e){
            e.printstacktrace();
            flag = false;
      }finally{
            get.releaseconnection();
            try{
                if(in != null){
                  in.close();
                }
                if(out != null){
                  out.close();
                }
            }catch(exception e){
                e.printstacktrace();
                flag = false;
            }
      }
      return flag;
    }

    private static log log = logfactory.getlog(filedownload.class);
}
到这就结束了,有可能有些代码没贴全,主要代码已经差不多,应该可以跑起来,多多指教。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持CodeAE代码之家。
原文链接:https://my.oschina.net/gllfeixiang/blog/2995570

http://www.zzvips.com/article/174033.html
页: [1]
查看完整版本: java爬取并下载酷狗TOP500歌曲的方法