Python爬取王者荣耀全皮肤台词语音

Posted 2021-09-21 远方的星

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Python爬取王者荣耀全皮肤台词语音相关的知识，希望对你有一定的参考价值。

文章目录

🍅写在前面

上次爬取《王者荣耀》全英雄语音之后，我又找寻了全皮肤语音的资源。找了一会，虽然不是官方发布的，但是是一位网友整理的，我看了下，是非常全面的（甚至包括没有走出体验服的八神庵的语音）。

Python爬取王者荣耀全英雄台词语音及对应的文本：

https://blog.csdn.net/qq_44921056/article/details/119673018

网页链接如下：
https://m.ximalaya.com/erciyuan/41725731/448284273

本文如有侵权，请联系我删除文章！！！

🍉网页分析

进入页面之后，首先对网页进行分析。

通过分析，发现语音包其实就放在json文件里面。

取一个链接，就取上面动图选中的那个，来查看验证一下。

https://aod.cos.tx.xmcdn.com/storages/211c-audiofreehighqps/B8/3D/CKwRIaIE0Xt6AAmdVwDM5vcs.m4a

成功出现语音页面，且可以播放。

目标找到！！！

那么接下来就要看json文件怎么爬取。

首先，来看一下有什么规律。

由此可见，需要我们改变的参数，就只有page这一个。

想要全部爬取，就要知道总共有多少页。

共337个语音内容，10个一组，所以共需要34组。

🍋完整代码

# -*- coding: UTF-8 -*-
"""
# @Time: 2021/9/1 23:52
# @Author: 远方的星
# @CSDN: https://blog.csdn.net/qq_44921056
"""
import os
import json
import requests
import chardet
from tqdm import tqdm
from fake_useragent import UserAgent

# 随机产生请求头
ua = UserAgent(verify_ssl=False, path='D:/Pycharm/fake_useragent.json')

# 提前创建一个文件夹,方便创建子文件夹
path_f = "./王者皮肤语音/"
if not os.path.exists(path_f):
    os.mkdir(path_f)


# 随机切换请求头
def random_ua():
    headers = {
        "accept-encoding": "gzip",  # gzip压缩编码  能提高传输文件速率
        "user-agent": ua.random
    }
    return headers


#  下载语音内容
def download(file_name, text, path):  # 下载函数
    file_path = path + file_name
    with open(file_path, 'wb') as f:
        f.write(text)
        f.close()


# 获取网页内容并json化
def get_json(page):
    url = 'https://m.ximalaya.com/m-revision/common/album/queryAlbumTrackRecordsByPage?'
    param = {
        'albumId': '41725731',
        'page': '{}'.format(page),
        'pageSize': '10',
        'asc': 'true',
        'countKeys': 'play', 'comment'
        'v': '1630511230862'
    }
    res = requests.get(url=url, headers=random_ua(), params=param)
    res.encoding = chardet.detect(res.content)["encoding"]  # 确定编码格式
    res = res.text

    text_json = json.loads(res)  # 数据json化
    return text_json


def main():
    print("开始下载语音内容^-^")
    for page in tqdm(range(1, 35)):  # 共337个语音内容，10个一组，所以共需要34组
        text_json = get_json(page)
        data_s = text_json["data"]["trackDetailInfos"]  # 得到一个存放信息的列表

        for i in range(len(data_s)):
            voice_url = data_s[i]["trackInfo"]["playPath"]  # 语音下载地址
            voice_name = data_s[i]["trackInfo"]["title"] + '.mp3'  # 语音名称
            voice = requests.get(url=voice_url, headers=random_ua()).content  # 获取语音内容
            download(voice_name, voice, path_f)  # 下载语音
    print('所有语音下载完毕^-^')


if __name__ == '__main__':
    main()