Python 使用 urllib 依百度音樂分類下載 MP3 的實作

本文示範如何使用 Python 標準庫 urllib 與正則表達式，從百度音樂的分類頁面解析歌曲連結並批量下載 MP3 檔案。注意：僅供技術學習參考，請遵守網站服務條款與著作權法規。

核心步驟

1. 請求分類頁面 HTML（如「經典流行」標籤頁）。
2. 使用正則表達式提取歌曲 ID（/song/數字）。
3. 組合下載頁面 URL（https://music.baidu.com/song/{id}/download）。
4. 解析下載頁面，提取真實 MP3 連結與歌曲標題。
5. 使用 urllib.urlretrieve 下載並以歌曲標題命名儲存。

完整程式碼（Python 2 風格）

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib
import re

base_url = "https://music.baidu.com"
tag_url = "https://music.baidu.com/search/tag?key=經典流行"

html = urllib.urlopen(tag_url).read()
# 提取歌曲 ID
song_ids = re.findall(r'/song/(\d+)', html)

download_links = []
for sid in song_ids:
    download_links.insert(0, f"{base_url}/song/{sid}/download")

for link in download_links:
    try:
        page = urllib.urlopen(link).read()
        # 提取真實 MP3 連結
        mp3_url = re.search(r'https://[^ ]*xcode\.[a-z0-9]*', page).group()
        # 提取歌曲標題
        title_match = re.search(r'title="([^"]*)', page)
        title = title_match.group(1) if title_match else sid
        # 下載
        urllib.urlretrieve(mp3_url, f"{title}.mp3")
        print(f"Downloaded: {title}.mp3")
    except Exception as e:
        print(f"Failed {link}: {e}")

關鍵技術點

• 正則表達式：用於從非結構化 HTML 中提取所需資訊，實際專案建議改用 BeautifulSoup 或 lxml 解析器，更穩健。
• 錯誤處理：網路請求、解析、下載皆可能失敗，需包裝 try/except 避免中斷整批流程。
• 編碼處理：中文關鍵字需正確編碼（Python 2 需 utf-8 聲明，Python 3 原生支援）。
• 反爬蟲：百度音樂可能有反爬機制（User-Agent 檢查、Cookie、簽名驗證），若失效需模擬瀏覽器完整請求標頭。

現代化改寫建議（Python 3 + requests）

import requests
from bs4 import BeautifulSoup
import os

headers = {'User-Agent': 'Mozilla/5.0 ...'}
resp = requests.get(tag_url, headers=headers)
soup = BeautifulSoup(resp.text, 'html.parser')
# 使用 CSS 選擇器或 find_all 更可靠地提取資料

法律與道德提醒

音樂版權受法律保護，批量下載可能構成侵權。本程式碼僅作為網路爬蟲技術練習，請勿用於商業用途或大量散播，應支持正版音樂服務。