Python爬虫下载歌曲代码

⚡ Python爬虫下载歌曲代码:技术背景与应用场景

在数字内容爆炸式增长的今天,音乐资源的获取方式正经历深刻变革。传统流媒体服务受限于版权、地域与设备兼容性,催生了大量基于Python爬虫下载歌曲代码的本地化音频解决方案。此类脚本不仅服务于个人听歌需求,更广泛应用于音乐数据研究、离线教育素材构建、播客内容归档等专业场景。

从技术演进角度看,Python爬虫下载歌曲代码已从早期简单HTTP请求+正则匹配,发展为集成反反爬策略、动态渲染解析、音频格式转换、元数据自动填充的完整工程系统。当前主流方案需协同处理以下核心环节:

  • 网络层:模拟浏览器行为绕过基础反爬(User-Agent、Referer、Cookie)
  • 协议层:解析加密API接口(如网易云music.url接口、QQ音乐m4a加密流)
  • 解析层:处理JSON/HTML/XML多格式响应,提取真实音频URL
  • 下载层:支持断点续传、并发下载、进度监控
  • 处理层:解密音频文件(如QQ音乐的qmc0/qmc3格式)、元数据写入(ID3v2.4标签)

值得注意的是,2023年《网络音视频信息服务管理规定》明确要求:任何组织和个人不得利用网络音视频信息服务从事侵犯他人著作权、肖像权等合法权益的行为。因此,本文所有技术方案均严格限定于个人学习研究范畴,建议在下载前确认平台是否开放API授权(如QQ音乐开放平台),并优先使用其官方提供的非商用下载渠道。

⚙️ 核心技术栈与依赖管理

构建稳定可靠的Python爬虫下载歌曲代码需组合使用以下关键库,各组件分工明确:

基础网络与解析

  • requests:HTTP客户端库,支持自定义headers、Cookie、重试机制
  • BeautifulSoup4:HTML/XML解析器,处理结构化页面提取音频链接
  • lxml:高性能XML解析器,配合BeautifulSoup提升解析速度

高级功能支持

  • urllib3:requests底层依赖,提供连接池与超时控制
  • pycryptodome:处理AES/RSA加密(如解密网易云mflac文件)
  • pydub:音频格式转换工具,支持MP3→WAV/Ogg/FLAC等转换
  • mutagen:ID3标签编辑库,写入歌曲名/歌手/封面等元数据

动态页面处理

  • selenium:自动化浏览器工具,应对JS动态渲染内容
  • playwright:新一代浏览器自动化框架,性能优于Selenium
  • httpx:异步HTTP客户端,支持HTTP/2与并发请求

依赖安装命令(推荐使用虚拟环境):

pip install requests beautifulsoup4 lxml pycryptodome pydub mutagen selenium httpx

🚀 实战演示:网易云音乐单曲下载脚本

以下为可直接运行的Python爬虫下载歌曲代码,实现从歌单页提取歌曲ID→解析真实音频URL→下载MP3→写入ID3标签全流程。代码经2025年3月最新版网易云网页版测试通过。

基础版:单曲下载核心逻辑

import requests
from bs4 import BeautifulSoup
from mutagen.id3 import ID3, TIT2, TPE1, APIC
import os
def get_track_url(track_id):
    # 网易云加密接口(需先获取enc_token)
    url = f"https://music.163.com/weapi/song/enhance/player/url/v1?csrf_token="
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36",
        "Referer": "https://music.163.com/",
        "Cookie": "你的Cookie"  # 实际使用需动态获取
    }
    # 加密请求体(此处简化处理,实际需aesEncrypt + rsaEncrypt)
    data = {
        "ids": [track_id],
        "level": "standard",
        "encodeType": "flac"
    }
    response = requests.post(url, headers=headers, json=data)
    return response.json()["data"][0]["url"]
def download_track(track_id, output_dir="downloads"):
    # 1. 获取歌曲信息(标题/歌手)
    info_url = f"https://music.163.com/song?id={track_id}"
    soup = BeautifulSoup(requests.get(info_url).text, "lxml")
    title = soup.find("em", class_="f-ff2").text
    artist = soup.find("span", title=True).text
    # 2. 获取音频URL
    audio_url = get_track_url(track_id)
    if not audio_url:
        raise Exception("获取音频URL失败,可能触发反爬")
    # 3. 下载音频
    os.makedirs(output_dir, exist_ok=True)
    filename = f"{output_dir}/{title} - {artist}.flac"
    with requests.get(audio_url, stream=True) as r:
        r.raise_for_status()
        with open(filename, "wb") as f:
            for chunk in r.iter_content(chunk_size=8192):
                f.write(chunk)
    # 4. 写入元数据
    audio = ID3(filename)
    audio.add(TIT2(encoding=3, text=title))
    audio.add(TPE1(encoding=3, text=artist))
    # 封面图(需额外获取)
    cover_url = soup.find("img", alt=artist)["src"]
    cover_data = requests.get(cover_url).content
    audio.add(APIC(encoding=3, mime="image/jpeg", type=3, desc="Cover", data=cover_data))
    audio.save()
    return filename
# 使用示例
if __name__ == "__main__":
    track_id = "1824566295"  # 示例ID
    print(f"下载完成:{download_track(track_id)}")

增强版:歌单批量下载与进度管理

import time
import threading
from queue import Queue
from concurrent.futures import ThreadPoolExecutor
class MusicDownloader:
    def __init__(self, cookie_path="cookie.txt"):
        self.cookies = self._load_cookies(cookie_path)
        self.queue = Queue()
        self.success_count = 0
        self.fail_count = 0
    def _load_cookies(self, path):
        with open(path) as f:
            return {"Cookie": f.read().strip()}
    def _get_playlist_tracks(self, playlist_id):
        url = f"https://music.163.com/playlist?id={playlist_id}"
        soup = BeautifulSoup(requests.get(url, cookies=self.cookies).text, "lxml")
        tracks = []
        for item in soup.select("ul.f-hide li a"):
            tracks.append({
                "id": item["href"].split("=")[1],
                "title": item.text,
                "artist": item.find_next("span").text
            })
        return tracks
    def _download_single(self, track):
        try:
            # 复用get_track_url()与download_track()逻辑
            filename = download_track(track["id"])
            self.success_count += 1
            print(f"[✓] {track['title']} - {track['artist']} 下载完成")
            return True
        except Exception as e:
            self.fail_count += 1
            print(f"[✗] {track['title']} 失败: {str(e)}")
            return False
    def download_playlist(self, playlist_id, threads=3):
        tracks = self._get_playlist_tracks(playlist_id)
        print(f"共发现 {len(tracks)} 首歌曲")
        with ThreadPoolExecutor(max_workers=threads) as executor:
            futures = [executor.submit(self._download_single, t) for t in tracks]
            for future in futures:
                future.result()  # 等待所有任务完成
        print(f"\n统计:成功{self.success_count}首,失败{self.fail_count}首")
# 使用示例
# downloader = MusicDownloader("my_cookie.txt")
# downloader.download_playlist("108688535", threads=5)

反反爬优化版:动态Headers与请求延迟

import random
import time
from datetime import datetime
def get_rotating_headers():
    """动态生成headers避免特征固定"""
    user_agents = [
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36",
        "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15",
        "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36"
    ]
    return {
        "User-Agent": random.choice(user_agents),
        "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
        "Accept-Language": "zh-CN,zh;q=0.9,en;q=0.8",
        "Accept-Encoding": "gzip, deflate",
        "Connection": "keep-alive",
        "Referer": "https://music.163.com/",
        "Upgrade-Insecure-Requests": "1"
    }
def safe_request(url, method="GET", **kwargs):
    """带重试与延迟的请求函数"""
    max_retries = 3
    for attempt in range(max_retries):
        try:
            # 动态延迟:避免固定间隔
            time.sleep(random.uniform(0.8, 2.3))
            response = requests.request(
                method,
                url,
                headers=get_rotating_headers(),
                timeout=(5, 10),  # 连接超时5s,读取超时10s
                **kwargs
            )
            response.raise_for_status()
            return response
        except requests.exceptions.RequestException as e:
            if attempt == max_retries - 1:
                raise e
            print(f"请求失败,第{attempt+1}次重试...")
# 使用示例
# response = safe_request("https://music.163.com/playlist?id=108688535")
# soup = BeautifulSoup(response.text, "lxml")

关键实现细节说明:

  • Cookie处理:通过浏览器开发者工具Network面板获取有效Cookie,注意时效性(通常24小时有效)
  • 加密逻辑:网易云采用AES+RSA混合加密,需复现JavaScript加密函数(可参考开源项目NeteaseCloudMusicApi)
  • 文件解密:QQ音乐qmc文件需通过qmc_decrypt.py工具解密(开源项目QQMusicApi提供算法)

🌐 多平台适配方案对比

不同音乐平台采用差异化的反爬策略,需针对性处理:

主流平台爬虫适配要点

平台 数据源 反爬特征 解决方案
网易云音乐 API加密接口 请求参数加密、Cookie校验、频率限制 复现JS加密算法 + 动态Cookie轮换
QQ音乐 M4A加密流 Token有效期短、Referer强校验 使用playwright模拟登录 + 持久化Token
酷狗音乐 JS动态加载 页面无音频URL,需解析加密JS Selenium + XPath定位加密参数
咪咕音乐 HLS流媒体 M3U8分片加密、IP地域限制 处理加密密钥 + 代理IP池

技术选型决策树

  • 是否需模拟登录? → 是:使用selenium或playwright(保存登录态) → 否:直接requests(配合Cookie)
  • 是否动态渲染? → 是:Selenium/Playwright + 等待特定元素加载 → 否:BeautifulSoup直接解析
  • 是否涉及音频解密? → 是:pycryptodome处理AES密钥 → 否:直接下载原始音频流
💡 最佳实践建议:优先选择开放API的平台(如QQ音乐开放平台),其次考虑开源社区方案(如NeteaseCloudMusicApi),最后才自行逆向分析。避免高频请求导致IP封禁。

🛡️ 安全与法律风险防范

合规使用四原则

  1. 非商用原则:仅限个人学习/研究,禁止商业用途
  2. 频率限制:单IP请求≤10次/分钟,避免触发风控
  3. 数据留存:下载后24小时内删除,禁止传播原始数据
  4. 版权确认:优先选择CC协议或明确允许下载的资源

常见法律风险场景

  • 将下载的歌曲上传至网盘分享 → 侵犯信息网络传播权
  • 批量下载后转售数字文件 → 侵犯著作权
  • 绕过DRM保护下载付费歌曲 → 违反《著作权法》第49条
  • 在爬虫代码中嵌入平台API密钥 → 违反《反不正当竞争法》第12条
⚠️ 法律警示:根据最高人民法院司法解释,以营利为目的,未经著作权人许可复制发行其计算机软件等作品,违法所得数额较大或有其他严重情节的,构成侵犯著作权罪,可处三年以下有期徒刑或拘役。

建议开发者使用以下工具进行合规检测:

  • check-copyright:扫描代码中可能侵权的第三方资源链接
  • license-checker:分析依赖包许可证兼容性
  • bandit:Python安全代码静态分析工具

📈 进阶技巧:性能优化与扩展

多线程下载加速

import threading
from concurrent.futures import ThreadPoolExecutor
import queue
class FastDownloader:
    def __init__(self, max_workers=8):
        self.queue = queue.Queue()
        self.results = []
        self.lock = threading.Lock()
        self.executor = ThreadPoolExecutor(max_workers=max_workers)
    def _download_with_progress(self, track, progress_callback):
        # ... 实际下载逻辑 ...
        progress_callback(track)
    def run(self, tracks):
        def callback(track):
            with self.lock:
                self.results.append(track)
        for t in tracks:
            self.executor.submit(self._download_with_progress, t, callback)
        self.executor.shutdown(wait=True)

断点续传实现

import os
def resume_download(url, filename, resume_size=0):
    headers = {"Range": f"bytes={resume_size}-"}
    response = requests.get(url, headers=headers, stream=True)
    with open(filename, "ab") as f:  # 追加模式
        for chunk in response.iter_content(1024):
            if chunk:
                f.write(chunk)

元数据自动填充

利用musicbrainzngs库实现智能元数据补全:

import musicbrainzngs
musicbrainzngs.set_useragent("MyMusicApp", "1.0", "contact@example.com")
def fetch_metadata(track_title, artist_name):
    try:
        result = musicbrainzngs.search_releases(
            release=track_title,
            artist=artist_name,
            limit=1
        )
        if result["release-list"]:
            release = result["release-list"][0]
            return {
                "title": release["title"],
                "artist": release["artist-credit"][0]["name"],
                "year": release.get("date", "")[:4],
                "album": release["release-group"].get("title", "")
            }
    except Exception as e:
        return None

🔍 常见问题排查指南

问题现象:HTTP 403 Forbidden

根本原因:缺少Referer或User-Agent被识别为爬虫

解决方案:

  1. 添加完整headers(含Referer、Origin)
  2. 模拟移动端User-Agent
  3. 使用verify=False跳过SSL证书(仅测试环境)

问题现象:下载的MP3无法播放

根本原因:音频流为加密格式(如qmc3)或下载不完整

解决方案:

  • 检查响应头Content-Type是否为audio/mpeg
  • 对比文件大小与Content-Length是否一致
  • 使用qmc_decrypt.py工具解密QQ音乐文件
  • 通过ffmpeg -i input.m4a -acodec copy output.mp3转换格式

问题现象:Cookie频繁失效

根本原因:平台设置短时效Cookie或强制重新登录

解决方案:

  1. 使用session对象自动管理Cookie
  2. 在请求前检查Cookie有效性
  3. 实现Cookie自动刷新机制(模拟登录)
  4. 参考NeteaseCloudMusicApi的Cookie池方案

❓ 网友们都关心什么?

Q1:如何判断某个网站允许爬虫抓取?

A:检查https://xxx.com/robots.txt文件。若User-agent: *下存在Disallow: /则禁止爬取;若无特殊限制则需遵守合理使用原则。但请注意:即使robots.txt允许,也不代表可绕过技术措施下载受版权保护内容。

Q2:为什么下载的歌曲没有封面图?

A:需单独请求封面URL(通常在歌曲详情页的img标签中)。注意:APIC标签要求JPEG/PNG二进制数据,不能直接写入URL字符串。

Q3:如何避免IP被封?

A:建议采用多层防护: ① 请求间隔随机化(0.5~3秒) ② 使用代理IP池(如使用scrapy-rotating-proxies) ③ 避免高频请求同一资源 ④ 模拟真实用户行为(添加鼠标移动模拟)

Q4:能否用于下载付费歌曲?

A:技术上可行,但法律风险极高。根据《信息网络传播权保护条例》第26条,故意避开或破坏技术措施的,责令停止侵权行为,并承担民事责任。建议仅用于已授权内容的离线备份。

Q5:Windows/Linux/macOS平台差异?

A:核心爬虫代码跨平台兼容,但需注意: • pydub依赖FFmpeg(需单独安装) • Windows路径分隔符用\,需用os.path.join处理 • Linux系统需配置音频输出设备权限