200行的Node爬蟲花了半天的時間把網易雲上的30萬首歌曲信息都抓取回來了

来源:http://www.cnblogs.com/jelly7723/archive/2017/08/22/7407586.html
-Advertisement-
Play Games

早兩天在網易雲聽歌看評論的時候,突然想把網易雲上所有歌曲都抓取下來然後按照評論數進行一次排名,把評論數超過10萬的歌曲都聽一次,於是便有了這個項目。 因為只是一個小前端,所以使用了Node來寫這個爬蟲。 實現的思路比較簡單,把網易雲上的所有知名歌手先抓取下來,一共是3萬左右。然後每個歌曲選取10首評 ...


早兩天在網易雲聽歌看評論的時候,突然想把網易雲上所有歌曲都抓取下來然後按照評論數進行一次排名,把評論數超過10萬的歌曲都聽一次,於是便有了這個項目。

因為只是一個小前端,所以使用了Node來寫這個爬蟲。

實現的思路比較簡單,把網易雲上的所有知名歌手先抓取下來,一共是3萬左右。然後每個歌曲選取10首評論靠前的歌曲進行統計,所以一共統計了30萬首歌曲,之後或許會統計更多的歌曲。

在本次的抓取過程中,從請求歌曲鏈接到獲取信息並且寫入資料庫的效率大概是0.2秒一首歌曲,30萬首一共需要16.6個小時左右。前面提到的抓取3萬個歌手的效率十分高,不夠10分鐘可以抓取完畢,所以不作時間統計。

具體的抓取數據可看截圖

歌手信息

歌曲信息

具體的技術細節以及項目代碼可以到我的Github上看,已經開源。很多細節以及項目配置都在Github文檔中寫的很清楚,所以請移步Github地址

https://github.com/qiangzi7723/spider-for-netease-music

過兩天會給這些數據寫一個H5的數據統計以及展示頁面,所以如果喜歡這個項目或者想持續關註此項目更新的同學可以到我的Github上點下Star。


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 今天有點時間,就寫下博客吧。 其實我主要想說的是,學了java這個編程語言。自己生活當中看到了一些事物,人,都會不由自主地往這方面聯想。 比如最開始學編程的時候,也忘記是哪個老師說過的,他說的是java就是一門面向對象的語言,拿個簡單的例子來說吧。 我們假如想要建造一棟房子,假設現在需要三種材料,沙 ...
  • 有個報社,在有新報紙的時候,會給所有的訂閱者發送推送。 ...
  • MVC設計模式(View和Model之間不能直接通信) MVC是一種架構模式,M表示Model,V表示視圖View,C表示控制器Controller: Model負責存儲、定義、操作數據、從網路中獲取數據(Struts中Service和Form); View用來展示給用戶,並且和用戶進行交互; Co ...
  • 由於設計模式對於java高級開發人員來說是非常重要的,網上也有很多關於設計模式的文章,博客等。所以,首先我對相對簡單的單例模式做一個簡單的總結。 一、實現方式 單例模式的實現方式有3種,分別是餓漢式,懶漢式,IoDH這3種,下麵分別介紹下每種的實現原理和優缺點。 a)餓漢式 實現原理:類具有一個靜態 ...
  • 需求背景 用戶下訂單成功之後隔20分鐘給用戶發送上門服務通知簡訊 訂單完成一個小時之後通知用戶對上門服務進行評價 業務執行失敗之後隔10分鐘重試一次 類似的場景比較多 簡單的處理方式就是使用定時任務 假如數據比較多的時候 有的數據可能延遲比較嚴重,而且越來越多的定時業務導致任務調度很繁瑣不好管理。 ...
  • 上周溫習了代理模式:http://www.cnblogs.com/chinxi/p/7354779.html 在此進行拓展,學習強制代理。但是發現網上大多例子都有個“天坑”(我是這麼認為的),在得到代理類之後,真實對象也可以使用自己的方法,繞過了代理,這樣使得代理沒有了意義。 關於強制代理,字面上意 ...
  • 一、引言 上篇博客中學習了命令模式,是將行為抽象為命令,使得行為請求者和接收者形成低耦合關係。我們知道行為型設計模式關註的是對象職責的分離,今天我們將學習一個新的設計模式,迭代器模式: 二、迭代器模式 定義:提供一種方法順序訪問一個聚合對象中各個元素,而又不暴露該對象的內部顯示 下麵是迭代器模式結構 ...
  • 接上一篇博客,還有css中的兩個重要知識點沒有說到,就是元素的浮動與定位。 第三部分:元素的浮動與清除 這部分的內容之前的博客已總結過。請查看css中的浮動與三種清除浮動的方法這篇文章。 浮動在網頁中也用的和普遍,特別要註意清除浮動的方法。 第四部分:元素的定位 元素的定位在實際開發中會經常用到,特 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...