教你如何使Python爬取酷我線上音樂

2022-04-11 10:01:30

前言

寫這篇部落格的初衷是加深自己對網路請求傳送和響應的理解，僅供學習使用，請勿用於非法用途！文明爬蟲，從我做起。下面進入正題。

獲取歌曲資訊列表

在酷我的搜尋方塊中輸入關鍵詞 aiko，回車之後可以看到所有和 aiko 相關的歌曲。開啟開發者模式，在網路面板下按下 ctrl + f，搜尋 二人，可以找到響應結果中包含 二人 的請求，這個請求就是用來獲取歌曲資訊列表的。

請求引數分析

請求的具體格式如下圖所示，可以看到請求路徑為 http://www.kuwo.cn/api/www/search/searchMusicBykeyWord，請求引數包括：

key: 搜尋關鍵詞，此處為 aiko
pn: 頁碼，page number 的縮寫，此處為 1
rn: 每頁條目數，應該是 row number 的縮寫，預設為 30
httpsStatus：https 的狀態？感覺沒啥大用，看了原始碼裡面是直接寫死 t.url = t.url + "?reqId=".concat(n, "&httpsStatus=1")
reqId：請求標識，重新整理頁面之後值會發生改變，不知道有啥用，待會兒模擬請求的時候試著不帶上他會怎麼樣

開啟 Apifox（當然 postman 也行），新建一個介面，把請求路徑和引數設定為下圖所示的樣子，為了讓響應結果簡短點，這裡把每頁的條目數設定為 1 而非預設的 30：

在沒有設定額外請求頭的情況下發個請求試試，發現 403 Forbidden 了，emmmmm，應該是防盜鏈所致：

可以看到瀏覽器發出的請求的請求頭中有設定 Referer 欄位，把它加上，應該不會再報錯了吧：

這次狀態碼為 200，但是沒有收到任何資料，success 為 false 說明請求失敗了，message 指明瞭失敗原因是缺少 CSRF token。問題不大，接著把瀏覽器發出的請求中的 csrf 加到 Apifox 請求頭中，再發請求，還是報錯 CSRF token Invalid!。算了，還是老老實實把 Cookie 也加上吧，但也不是全部加上，只加 kw_token=CCISYM2HV96 部分，因為 Cookie 裡面只有這個欄位和 token 有關係且它的值和 csrf 相同。

在原始碼面板按下 ctrl + shift + f，搜尋一下 csrf，可以看到 csrf 本來就是來自 Object(h.b)("kw_token")，這個函數用來取出 document.cookie 中的 kw_token 欄位值。至於 Cookie 中的 kw_token 怎麼計算得到的，那就是伺服器的事情了，咱們只管 CV 操作即可。

準備好引數和請求頭，重新傳送請求，可以得到想要的資料。如果去掉 reqId 引數，也可以拿到資料，但是會有略微的不同，這裡就不貼出來了：

{
    "code": 200,
    "curTime": 1649482287185,
    "data": {
        "total": "741",
        "list": [
            {
                "musicrid": "MUSIC_11690555",
                "barrage": "0",
                "ad_type": "",
                "artist": "aiko",
                "mvpayinfo": {
                    "play": 0,
                    "vid": 8530326,
                    "down": 0
                },
                "nationid": "0",
                "pic": "http://img4.kuwo.cn/star/starheads/500/24/88/4146545084.jpg",
                "isstar": 0,
                "rid": 11690555,
                "duration": 362,
                "score100": "42",
                "ad_subtype": "0",
                "content_type": "0",
                "track": 1,
                "hasLossless": true,
                "hasmv": 1,
                "releaseDate": "1970-01-01",
                "album": "",
                "albumid": 0,
                "pay": "16515324",
                "artistid": 1907,
                "albumpic": "http://img4.kuwo.cn/star/starheads/500/24/88/4146545084.jpg",
                "originalsongtype": 0,
                "songTimeMinutes": "06:02",
                "isListenFee": false,
                "pic120": "http://img4.kuwo.cn/star/starheads/120/24/88/4146545084.jpg",
                "name": "戀をしたのは",
                "online": 1,
                "payInfo": {
                    "play": "1100",
                    "nplay": "00111",
                    "overseas_nplay": "11111",
                    "local_encrypt": "1",
                    "limitfree": 0,
                    "refrain_start": 89150,
                    "feeType": {
                        "song": "1",
                        "vip": "1"
                    },
                    "down": "1111",
                    "ndown": "11111",
                    "download": "1111",
                    "cannotDownload": 0,
                    "overseas_ndown": "11111",
                    "refrain_end": 126247,
                    "cannotOnlinePlay": 0
                },
                "tme_musician_adtype": "0"
            }
        ]
    },
    "msg": "success",
    "profileId": "site",
    "reqId": "4b55cf4b0171253c33ce1d71b999c42f",
    "tId": ""
}

請求程式碼

響應結果的 data 欄位中有很多東西，這裡只提取需要的部分。在提取之前先來定義一下歌曲資訊實體類，這樣在其他函數中要一首歌曲的資訊時只要把實體類的範例傳入即可。

# coding:utf-8
from copy import deepcopy
from dataclasses import dataclass


class Entity:
    """ Entity abstract class """

    def __setitem__(self, key, value):
        self.__dict__[key] = value

    def __getitem__(self, key):
        return self.__dict__[key]

    def get(self, key, default=None):
        return self.__dict__.get(key, default)

    def copy(self):
        return deepcopy(self)


@dataclass
class SongInfo(Entity):
    """ Song information """
    file: str = None
    title: str = None
    singer: str = None
    album: str = None
    year: int = None
    genre: str = None
    duration: int = None
    track: int = None
    trackTotal: int = None
    disc: int = None
    discTotal: int = None
    createTime: int = None
    modifiedTime: int = None

上述程式碼顯示定義了實體類的基礎類別，並且重寫了 __getitem__ 和 __setitem__ 魔法方法，這樣我們可以像存取字典一樣來存取實體類物件的屬性。接著讓歌曲資訊實體類繼承了實體類基礎類別，並且使用 @dataclass 裝飾器，這是 python 3.7 引入的新特性，使用它裝飾之後的實體類無需實現建構函式、__str__等常用函數，python 會幫我們自動生成。

在傳送請求的過程中可能會遇到各種異常，如果在程式碼裡面寫 try except 語句會顯得很亂，這裡同樣可以用裝飾器來解決這個問題。

# coding:utf-8
from copy import deepcopy


def exceptionHandler(*default):
    """ decorator for exception handling

    Parameters
    ----------
    *default:
        the default value returned when an exception occurs
    """

    def outer(func):

        def inner(*args, **kwargs):
            try:
                return func(*args, **kwargs)
            except BaseException as e:
                print(e)
                value = deepcopy(default)
                if len(value) == 0:
                    return None
                elif len(value) == 1:
                    return value[0]
                else:
                    return value

        return inner

    return outer

下面是傳送獲取歌曲資訊請求的程式碼，使用 exception_handler 裝飾了 getSongInfos 方法，這樣發生異常時會列印異常資訊並返回預設值：

# coding:utf-8
import json
from urllib import parse
from typing import List, Tuple

import requests


class KuWoMusicCrawler:
    """ Crawler of KuWo Music """

    def __init__(self):
        super().__init__()
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) '
                          'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36',
            'Cookie': 'kw_token=C713RK6IJ8J',
            'csrf': 'C713RK6IJ8J',
            'Host': 'www.kuwo.cn',
            'Referer': ''
        }

    @exceptionHandler([], 0)
    def getSongInfos(self, key_word: str, page_num=1, page_size=10) -> Tuple[List[SongInfo], int]:
        key_word = parse.quote(key_word)

        # configure request header
        headers = self.headers.copy()
        headers["Referer"] = 'http://www.kuwo.cn/search/list?key='+key_word

        # send request for song information
        url = f'http://www.kuwo.cn/api/www/search/searchMusicBykeyWord?key={key_word}&pn={page_num}&rn={page_size}&reqId=c06e0e50-fe7c-11eb-9998-47e7e13a7206'
        response = requests.get(url, headers=headers)
        response.raise_for_status()

        # parse the response data
        song_infos = []
        data = json.loads(response.text)['data']
        for info in data['list']:
            song_info = SongInfo()
            song_info['rid'] = info['rid']
            song_info.title = info['name']
            song_info.singer = info['artist']
            song_info.album = info['album']
            song_info.year = info['releaseDate'].split('-')[0]
            song_info.track = info['track']
            song_info.trackTotal = info['track']
            song_info.duration = info["duration"]
            song_info.genre = 'Pop'
            song_info['coverPath'] = info.get('albumpic', '')
            song_infos.append(song_info)

        return song_infos, int(data['total'])

獲取歌曲下載連結

免費歌曲

雖然我們實現了搜尋歌曲的功能，但是沒拿到每一首歌的播放地址，也就沒辦法把歌曲下載下來。我們先來播放一首不收費的歌曲試試。可以看到瀏覽器傳送了一個獲取播放連結的請求，路徑為 http://www.kuwo.cn/api/v1/www/music/playUrl，有兩個需要關注的引數：

mid：音樂 Id，此處的值為 941583，和頁面 url 中的編號一致，由於我們是通過點選搜尋結果頁面中 二人 跳轉過來的，而 二人 這條結果也是動態載入出來的，超連結中的 Id 肯定也來自於上一節中響應結果的某個欄位。二人 是第四條記錄，通過對比可以發現 data.list[3].rid 就是 mid；
type：音樂型別？此處的值為 music，傳送請求的時候也設定為 music 即可

在 Apifox 中新建一個獲取歌曲播放地址的請求，如下所示，發現可以成功拿到播放地址：

付費歌曲

現在換一首歌，比如 aiko - 橫顏，點選歌曲頁面上的播放按鈕時會彈出要求在使用者端中付費收聽的對話方塊。直接傳送請求，響應結果會是下面這個樣子，狀態碼為 403：

其實酷我在 2021 年 9 月份的時候換過獲取播放地址的介面，那時候的請求介面為 http://www.kuwo.cn/url，支援以下幾個引數：

format: 線上音樂的格式，可以是 mp3
type: 和現在的介面中的 type 引數一樣，但是值為 convert_url3
rid: 音樂 Id，和 mid 一樣
br: 線上音樂的位元率，越大則音質越高，可選的有 128kmp3、 192kmp3 和 320kmp3

這個介面不管是付費音樂還是免費音樂都可以用。如果將現在這個介面的 type 引數的值換成 convert_url3，請求結果如下所示，說明成功了：

請求程式碼

下面是獲取線上音樂播放連結的程式碼，只需呼叫 downloadSong 函數並把爬取到的歌曲傳入就能完成歌曲的下載：

@exceptionHandler('')
def getSongUrl(self, song_info: SongInfo) -> str:
    # configure request header
    headers = self.headers.copy()
    headers.pop('Referer')
    headers.pop('csrf')

    # send request for play url
    url = f"http://www.kuwo.cn/api/v1/www/music/playUrl?mid={song_info['rid']}&type=convert_url3"
    response = requests.get(url, headers=headers)
    response.raise_for_status()
    play_url = json.loads(response.text)['data']['url']

    return play_url

@exceptionHandler('')
def downloadSong(self, song_info: SongInfo, save_dir: str) -> str:
    # get play url
    url = self.getSongUrl(song_info)
    if not url:
        return ''

    # send request for binary data of audio
    headers = self.headers.copy()
    headers.pop('Referer')
    headers.pop('csrf')
    headers.pop('Host')
    response = requests.get(url, headers=headers)
    response.raise_for_status()

    # save audio file
    song_path = os.path.join(
        save_dir, f"{song_info.singer} - {song_info.title}.mp3")
    with open(song_path, 'wb') as f:
        f.write(data)

    return song