在虾米音乐查找豆瓣音乐豆列中的专辑

在虾米音乐查找豆瓣音乐豆列中的专辑，返回播放器地址的小工具。放在了github.com上，第一作，嗯。对python还没有非常熟练，这python让我写的像php一样……

（考虑到基本不会有人用命令行来做这种事情 所以这个就当我做的玩具好了 顺便熟悉下github.com）

豆瓣没有获取豆列信息的api，所以只能自己从豆列页面里抓出来，好在有BeautifulSoup这个库一切都变得很简单。从豆瓣的豆列里可以找到专辑的条形码，但是虾米API返回的数据里没有条形码，所以只能用匹配专辑名和艺术家名这种很拙劣的方式。艺术家名可能有不同的写法，这就导致会漏掉很多虾米上其实能找到的专辑。但如果只匹配专辑名，出错率又高的离谱，劣中选优，使用专辑名和艺术家名两个字段来匹配一张专辑。

如果能找到更好的匹配方式，就把这个做成在线小工具。

源码：

#! /usr/bin/python# -*- coding: utf-8 -*-import sys, os, urllib, urllib2, jsonfrom bs4 import BeautifulSoup#User-Agentua = 'Mozilla/5.0'#豆瓣音乐搜索接口dbsch = 'https://api.douban.com/v2/music/search?q='#虾米音乐搜索接口xmsch = 'http://www.xiami.com/app/nineteen/search/key/'#虾米播放器url前部xmplay_font = 'http://www.xiami.com/song/play?ids=/song/playlist/id/'#虾米播放器url后部xmplay_end = '/type/1'#使用url获取数据def get_content(url, user_agent = None):    try:        if user_agent:            req = urllib2.Request(url, headers = {'User-Agent': user_agent})        else:            req = urllib2.Request(url)        fd = urllib2.urlopen(req)        data = None         while 1:            buf = fd.read(1024*9)            if not len(buf):                break            else:                if data is None:                    data = buf                else:                    data += buf         return data    except:        pass#在虾米查找url指定的豆列中的专辑def work(url):    #使用BeautifuSoup4解析豆列页面数据 得到所有专辑的标题和艺术家列表    soup = BeautifulSoup(get_content(url))    titles = soup.find_all('div', class_='pl2')    titles = [t.a.string for t in titles]    artists = soup.find_all('p', class_='pl')    artists = [a.text.split(':')[1][:-4] for a in artists]    disk_list= zip(titles, artists)    #在虾米查找专辑    jsd = json.JSONDecoder()    for disk in disk_list:        title = disk[0].strip().encode('utf-8')        singer = disk[1].strip().encode('utf-8')        print '-'*20        print 'search %s-%s...' % (title, singer)            #使用虾米api查找专辑 向虾米发送请求要加上User-Agent 否则会出现403错误        page = 1        while 1:            url = '%s%s+%s/page/%s' % (xmsch, title, singer, page)            page += 1             xmlist = get_content(url, ua)            try:                #解析json                xmlist = jsd.decode(xmlist)            except:                break            #遍历搜索结果集的一个分页 寻找豆列中的专辑            if not xmlist['results']:                print '%s-%s not found' % (title, singer)                break            else:                album_id = None                for item in xmlist['results']:                    ctitle = urllib.unquote(repr(item['album_name'])).strip()                    csinger = urllib2.unquote(repr(item['artist_name'])).strip()                    #拙劣的匹配方式……                    if title in ctitle and singer in csinger:                        album_id = item['album_id'].encode('utf-8')                        break                else:                    continue                #构造虾米播放器的url                print '%s-%s was found in album %s' % \                       (title, singer, album_id)                print '%s%s%s' % (xmplay_font, album_id, xmplay_end)                break        if __name__ == '__main__':    if len(sys.argv) < 2:        print 'Useage: python dl.py douban_list_url.'        exit(0)    else:        work(sys.argv[1])

PS：推荐一个能在豆瓣页面直接听豆列的chrome插件 豆皮