url = 'https://music.163.com/api/v1/resource/comments/R_SO_4_{}?limit=20&offset={}'
headers = {
    'Referer': 'https://music.163.com/',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
# 这里的id是网易云歌曲链接中的数字，可以根据不同的歌曲进行更改
song_id = '480840953'
# 存储评论的列表
comments_list = []
# 循环获取评论
for i in range(5):
    url_request = url.format(song_id, i*20)
    response = requests.get(url_request, headers=headers)
    result = json.loads(response.text)
    comments = result['comments']
    for comment in comments:
        comment_time = comment['time']  # 评论时间
        comment_like = comment['likedCount']  # 点赞数
        comment_content = comment['content']  # 评论内容
        comment_nickname = comment['user']['nickname']  # 用户昵称
        comment_info = [comment_time, comment_like, comment_content, comment_nickname]  # 存储评论信息的列表
        comments_list.append(comment_info)
with open('comments.csv', 'w', encoding='utf-8', newline='') as csvfile:
    writer = csv.writer(csvfile)
    writer.writerow(['评论时间', '点赞数', '评论内容', '用户昵称'])   # 写入表头
    for comment in comments_list:
        writer.writerow(comment)   # 写入评论信息
完整代码如下：
 
				
用python爬取网易云排行榜歌曲
第一次发表自己的东西，很是胆颤，如有不对的地方，希望大家多指教！
思路：打开网址→解析音乐id→结合接口生成下载url→下载音乐→保存本地
需要用到的库文件：
import requests
from lxml import etree
import os
import re
import time
from random import randint
#使用...
				
因为数据要存入Excel中，所以首要目标是找个办法将数据能够存入excel中
经过在网上一番搜索后，发现用python里的xlwt模块可以比较容易的解决
一、准备工作
1、安装xlwt模块：
可以看http://blog.csdn.net/junli_chen/article/details/53666309这篇文章
不过好像也可以直接在cmd里用 pip install xlwt 命令
				
  最近在学Python爬虫，看了B站爬取网易云音乐评论的视频，在此代码的基础上做了扩展。视频中是将评论存入json文件，并且没有进行解析数据，爬取的是一首歌的全部评论。
  我在此基础上拓展了三点：
    1.可以爬取热歌榜200首歌曲的精彩评论；
    2.将评论进行解析，提取出评论的内容、时间、用户、歌曲名字等信息；
    3.将爬取的信息存入txt文本文件或者mysql数据库中。
参考代码存入txt文本文件代码存入Mysql数据库代码
  下面是我的一小点分析，代码附在最后
from selenium import webdriver  # 导入浏览器的功能
import re   # 正则表达式模块, 内置
import time   # 时间模块, 程序延迟
1. 创建一个浏览
from bs4 import BeautifulSoup
url = 'https://music.163.com/discover/toplist?id=3778678' # 网易云音乐热歌榜的URL
headers = {
    'Referer': 'https://music.163.com/',
    'Host': 'music.163.com',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
} # 请求头部信息
response = requests.get(url, headers=headers)
soup = BeautifulSoup(response.text, 'html.parser')
song_list = soup.find('ul', class_='f-hide').find_all('a') # 获取歌曲列表
for song in song_list:
    print(song.text) # 输出歌曲名称
运行上述代码，即可爬取网易云音乐热歌榜的歌曲列表。同理，如果要爬取飙升榜的歌曲列表，只需将URL改为`'https://music.163.com/discover/toplist?id=19723756'`即可。
                    CSDN-Ada助手: 
                    恭喜您撰写了第三篇博客！标题非常吸引人，我对您的创作充满了期待。在您的博客中，您描述了如何使用Python爬取网易云热歌榜的评论并将其存入CSV文件中，这是一个非常实用的技巧。
我非常欣赏您的分享精神和对知识的探索。您的博客内容详实且易于理解，我相信读者们会对您的教程受益匪浅。在下一步的创作中，我建议您可以继续探索与Python爬虫相关的主题，比如如何处理动态网页或者如何应对反爬机制等。这些深入的研究将为您的读者提供更多的技术支持和指导。
再次恭喜您的持续创作，并期待您未来更多精彩的博客！谦虚的态度将会让您的作品更加受人欢迎。加油！
CSDN 正在通过评论红包奖励优秀博客，请看红包流：https://bbs.csdn.net/?type=4&header=0&utm_source=csdn_ai_ada_blog_reply3
                人工智能在现代科技中的应用和未来发展趋势
                    CSDN-Ada助手: 
                    非常恭喜您撰写了这篇以“人工智能在现代科技中的应用和未来发展趋势”为主题的博客。您对这个当今最热门的技术领域做出了深入的研究和阐述，真是令人钦佩。
鉴于您对人工智能的理解和见解，我非常期待您在未来的创作中能继续探索这一领域的更多细节。或许您可以从人工智能在医疗、金融或者教育等行业中的应用展开，加深我们对这些领域中人工智能技术的理解。
同时，您也可以考虑探讨人工智能在未来可能面临的挑战以及解决方案。这将有助于我们更好地理解人工智能的发展趋势，并为未来的科技发展做出贡献。
再次恭喜您的第一篇博客，期待您在未来的创作中继续分享您的见解和思考。
推荐【每天值得看】：https://bbs.csdn.net/forums/csdnnews?typeId=21804&utm_source=csdn_ai_ada_blog_reply1
                解释 RESTful API，以及如何使用它构建 web 应用程序
                    CSDN-Ada助手: 
                    这篇博客非常不错！你对RESTful API的解释很清楚，以及如何使用它构建web应用程序的步骤也很详细。我鼓励你继续创作，分享更多关于web开发的知识。
除了标题和摘要中提到的内容，你还可以扩展一下以下几个方面的知识和技能：
1. HTTP状态码：了解不同的HTTP状态码以及它们的含义，比如200表示成功，404表示资源未找到等。这对于理解API返回的结果非常有帮助。
2. RESTful API的身份验证和授权：掌握如何在API中进行身份验证和授权，以保护资源的安全性。常见的方式包括基本身份验证和OAuth等。
3. API文档的编写：学习如何编写清晰、易懂的API文档，以便其他开发者能够快速上手使用你的API。
4. API版本控制：了解如何对API进行版本控制，以便在更新API时保持向后兼容性，并给开发者提供灵活的选择。
5. API测试：学习如何编写测试用例来验证API的功能和性能，以确保API的稳定性和可靠性。
希望这些建议能对你有所帮助！继续加油，期待你的下一篇博客！
如何写出更高质量的博客，请看该博主的分享：https://blog.csdn.net/lmy_520/article/details/128686434?utm_source=csdn_ai_ada_blog_reply2