不知道什么时候开始，中国出现了南抖音、北快手的互文格局（东市买骏马，西市买鞍鞯…）。刚才提到了，之前比较喜欢刷抖音，对于我这种佛系程序猿，看网上这些整容妹子基本一个样。喜欢抖音主要是两个初衷，学做菜听音乐。朋友之前常说，人家抖音看妹子看的乐呵呵，你看人家做菜也能津津有味，一个人在那儿傻笑…民以食为天，我看到色香味俱全的菜，做的那么好吃的乐呵乐呵还不行么。
抖音捧红了很多人，也让很多本不怎么让大家熟知的歌曲、BGM，经过翻唱、混剪与视频搭配，从而传播大街小巷。什么“若不是你，突然闯进我心里…”亦或者“也许未来遥远在光年之外，我愿守候未知里为你等待…”，成了大家闲时在嘴边哼唱的调调。那么，有没有想过将这些好听的剪辑批量下载下来呢？
python链接抖音
python下载抖音内容的帖子网上有一些，但都比较麻烦，需要通过adb连接安卓手机后，模拟操作。我这么懒，这种事儿玩不来…那么，该如何获取抖音内容呢？网上搜了下大概有两种方式，一个是浏览器插件快抖，另外一个是我今天要说的抖音网页版。其实这两者差别不是很大，都是先将抖音内容下载至服务器后，通过开发简单网站配置域名后，让大家访问。让我们来看看抖音网页版：
哎哟吼，居然看到了昨天爬虫的“乔奶奶”…当然今天的重点不是视频，而是下载它全站所有的音乐！
爬虫实现分析
热歌榜内容
大家先开看看这个抖音热歌榜歌曲，每页20首歌曲，一个55页。但细不细心大家都能发现，很多歌曲存在重复的问题。所以，等下爬虫的时候，我们需要先准备一个music_list,用来识别这首歌曲是否已经下载过了…
网页解析
网页比较简单，一个div中包裹了一个ul>li*20,我们是不是该这样获取：
soup.find('div',{"class":"pull-left"}).find('ul').findAll('a')
如果你说是，那么一定没有好好看我前天整理的文章通过哪吒豆瓣影评，带你分析python爬虫快速入门:https://www.jianshu.com/p/ae38f7607902，我在文章中专门提到了一个小技巧，通过使用attr的属性进行快速解析，那么最快速的获取方式是： soup.findAll('a', attrs={'onclick': True}) 我们只需要获取所有的a标签，切这些标签中包含onclick这个属性即可。
巧用eval
我们解析到的内容通过attr[‘onclick’],可以得到他的属性open1(‘夜’,’http://p9-dy.byteimg.com/obj/61a20007a98954b0831d‘,’’)，如何能快速获取歌曲名字和url呢？这里我们需要用到一个eval的小技巧：
1 index = "open1('夜','http://p9-dy.byteimg.com/obj/61a20007a98954b0831d','')" 2 index[5:] 3 "('夜','http://p9-dy.byteimg.com/obj/61a20007a98954b0831d','')" 4 index_tuple = eval(index[5:]) 5 print(index_tuple, type(index_tuple)) 6 ('夜', 'http://p9-dy.byteimg.com/obj/61a20007a98954b0831d', '') <class 'tuple'> 7 index_tuple[0] 8 '夜' 9 index_tuple[1] 10 'http://p9-dy.byteimg.com/obj/61a20007a98954b0831d'
ps:今天一个朋友说我写代码没注释，我这是现身说法的告诉你，如何能写出让别人压根看不懂的代码，就是不写注释啊，哈哈！
其实，代码我都在文章中一点一点的讲解了，所以没有写，但秉承着害怕大佬们取关的心态，我还是把注释加上吧…
代码实现
总体来说实现比较简单，全部代码如下：
1 # -*- coding: utf-8 -*- 2 # @Author : 王翔 3 # @JianShu : 清风Python 4 # @Date : 2019/7/31 23:25 5 # @Software : PyCharm 6 # @version ：Python 3.7.3 7 # @File : DouYinMusic.py 8 9 import os 10 import requests 11 from bs4 import BeautifulSoup 12 import threading 13 import time 14 15 16 class DouYinMusic: 17 def __init__(self): 18 self.music_list = [] 19 self.path = self.download_path() 20 21 @staticmethod 22 def download_path(): 23 """ 24 获取代码执行目录，并在目录下创建Music文件夹 25 :return Music文件夹全路径 26 """ 27 base_dir = os.path.dirname(os.path.abspath(__file__)) 28 _path = os.path.join(base_dir, "Music") 29 if not os.path.exists(_path): 30 os.mkdir(_path) 31 return _path 32 33 def get_request(self, url): 34 """ 35 封装requests.get方法 36 如果为网页请求，返回网页内容 37 否则，解析音乐地址，并返回音乐二进制文件 38 :param url: 请求url（分网页、音乐两类） 39 :return: 网页内容 & 音乐二进制文件 40 """ 41 r = requests.get(url, timeout=5) 42 if url.endswith('html'): 43 return r.text 44 else: 45 return r.content 46 47 def analysis_html(self, html): 48 """ 49 根据获取的网页内容，解析音乐名称、下载地址 50 调用音乐下载方法 51 :param html: 网页内容 52 """ 53 soup = BeautifulSoup(html, 'lxml') 54 # 根据关键字onclick查找每个下载地址 55 for tag_a in soup.findAll('a', attrs={'onclick': True}): 56 # 下载格式'("name","link","")',通过eval将str转化为tuple类型 57 link_list = eval(tag_a['onclick'][5:]) 58 music_name, music_link = link_list[:2] 59 # 因为存在部分重复音乐，故设置判断下载过的音乐跳过 60 if music_name in self.music_list: 61 continue 62 self.music_list.append(music_name) 63 t = threading.Thread(target=self.download_music, args=(music_name, music_link)) 64 time.sleep(0.5) 65 t.start() 66 67 def download_music(self, music_name, music_link): 68 """ 69 解析音乐文件,完成音乐下载 70 :param music_name: 音乐名称 71 :param music_link: 下载地址 72 """ 73 _full_name = os.path.join(self.path, music_name) 74 with open(_full_name + '.mp3', 'wb') as f: 75 f.write(self.get_request(music_link)) 76 print("抖音音乐：{} 下载完成".format(music_name)) 77 78 def run(self): 79 """ 80 主方法，用于批量生成url 81 """ 82 for page in range(1,55): 83 url = "http://douyin.bm8.com.cn/t_{}.html".format(page) 84 html = self.get_request(url) 85 self.analysis_html(html) 86 87 88 if __name__ == '__main__': 89 main = DouYinMusic() 90 main.run()
来让我们看看效果吧：
网站是通过nginx负载均衡搭建的，有一些链接已经失效了。最终下载了不重复的592首抖音音乐。
同样的，大家喜欢可以按照这种方法，尝试下载一下网站的抖音视频。
The End
OK,今天的内容就到这里，如果觉得内容对你有所帮助，欢迎点击文章右下角的“在看”。
代码与下载好的音乐，如果大家喜欢，公众号回复抖音音乐即可获取百度云下载链接。
期待你关注我的公众号清风Python，如果觉得不错，希望能动动手指转发给你身边的朋友们。
作者：清风Python
HDC.Cloud 华为开发者大会2020 即将于2020年2月11日-12日在深圳举办，是一线开发者学习实践鲲鹏通用计算、昇腾AI计算、数据库、区块链、云原生、5G等ICT开放能力的最佳舞台。
