01 前言
是否还记得断桥残雪，一听就是一下午 是否还记得认错，上课前必点歌曲 是否还记得素颜，同桌那清秀的脸庞
最近许嵩在开演唱会，借此机会，听着许嵩的歌，做了这篇分享，不禁唏嘘，我们在慢慢的长大，竟记不起当年模样。
02 网页分析
这里，我们进入网易云音乐官网，找到许嵩的个人单曲。
这里是post请求，而且参数较复杂，所以使用selenium来进行爬虫，这里除了获取基本信息外，需要获取每首歌的id，用于歌词爬虫。
歌词爬虫，我们使用下面的url即可，换不同的id，就是不同歌的歌词。
代码语言：javascript复制http://music.163.com/api/song/lyric?id=1309642305&lv=1&kv=1&tv=-103 爬虫代码
首先是所有歌曲的爬虫，使用selenium，部分代码见下。
代码语言：javascript复制from selenium import webdriver
from lxml import etree
import time
import csv
def get_info(url):
driver = webdriver.Chrome()
driver.maximize_window()
driver.get(url)
driver.implicitly_wait(10)
iframe = driver.find_elements_by_tag_name('iframe')[0]
driver.switch_to.frame(iframe)
html = etree.HTML(driver.page_source)
infos = html.xpath('//div[@class="srchsongst"]/div')
for info in infos:
song_id = info.xpath('div[2]/div/div/a/@href')[0].split('=')[-1]
song = info.xpath('div[2]/div/div/a/b/text()')[0]
singer1 = info.xpath('div[4]/div/a')[0]
singer = singer1.xpath('string(.)')
album = info.xpath('div[5]/div/a/@title')[0]
print(song_id,song,singer,album)
writer.writerow([song_id, song, singer, album])
if __name__ == '__main__':
fp = open('music.csv', 'w', newline='', encoding='utf-8')
writer = csv.writer(fp)
writer.writerow(['song_id', 'song', 'singer', 'album'])
url = 'https://music.163.com/#/search/m/?s=许嵩&type=1'
get_info(url)
在这些歌中，有些是cover的，而有些是伴奏，在下载歌词之前，我们对这些数据进行清洗，尽量保证是许嵩原创而且不是伴奏的。
代码语言：javascript复制def foo1(singer):
if '许嵩' in singer:
return 'no cover'
else:
return 'cover'
def foo2(song):
if '伴奏' in song:
return '是'
else:
return '否'
music['原创'] = music['singer'].apply(foo1)
music['伴奏'] = music['song'].apply(foo2)
music[(music['原创'] == 'no cover') & (music['伴奏'] == '否')].to_csv('music_original.csv',index=None,encoding='utf-8')
最后，我们根据前面的url，下载歌词。
代码语言：javascript复制import requests
import re
import json
url = ''
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'
}
def get_info(id):
res = requests.get('http://music.163.com/api/song/lyric?id={}&lv=1&kv=1&tv=-1'.format(id),headers=headers)
json_data = json.loads(res.text)
lyric = json_data['lrc']['lyric']
lyric = re.sub('[.*]','',lyric)
return lyric
for i in range(music_original.shape[0]):
try:
fp = open('song/{}.txt'.format(music_original.iloc[i,1]),'w',encoding='utf-8')
fp.write(get_info(music_original.iloc[i,0]))
fp.close()
except:
pass
04 数据分析
01 数据基本情况
许嵩歌曲共计175首，妥妥的原创高产歌手~
02 专辑单曲数
早期的许嵩，是一个网络歌手，所以都放在了许嵩单曲集中，随后发的苏格拉没有底，寻雾启示是很不错的优秀专辑。
03 歌词词云
最后利用jieba分词，制作许嵩歌词的词云。
许嵩的歌偏悲伤爱情，通过词云也可以看出来。
