如何使用Beautiful Soup提取megalobiz站点动态ID对应的LRC歌词

1. 安装依赖 #

首先确保你已经安装了Beautiful Soup和对应的解析器，Linux终端执行命令：
pip3 install beautifulsoup4 lxml
如果提示权限不足，可在末尾添加--user参数安装到当前用户目录。

2. 核心提取逻辑 #

核心是用CSS选择器的前缀+后缀匹配规则定位歌词元素，避开中间动态的歌曲ID：

• [id^="lrc_"] 匹配id以lrc_开头的元素
• [id$="_lyrics"] 匹配id以_lyrics结尾的元素
  两者组合就能精准定位到存放LRC内容的span标签，不需要关心中间的动态数字。

3. 完整代码示例 #

from bs4 import BeautifulSoup

# 假设你已经通过requests等库拿到了网页的HTML源码，存在html_content变量中
# 示例：html_content = requests.get("你的目标网页地址").text

# 初始化解析器
soup = BeautifulSoup(html_content, "lxml")

# 定位歌词span标签
lrc_span = soup.select_one('span[id^="lrc_"][id$="_lyrics"]')
if not lrc_span:
    print("未找到歌词内容")
    exit()

# 将<br>标签替换为换行符
for br_tag in lrc_span.find_all("br"):
    br_tag.replace_with("\n")

# 提取纯文本LRC内容，去除首尾空白
lrc_content = lrc_span.get_text().strip()

# 打印或保存结果
print(lrc_content)
# 保存为LRC文件
with open("output.lrc", "w", encoding="utf-8") as f:
    f.write(lrc_content)

4. 运行说明 #

Linux环境下直接执行脚本即可，生成的output.lrc就是标准格式的歌词文件。如果需要批量处理，加个循环遍历网页地址即可。

内容的提问来源于stack exchange，提问作者WinEunuuchs2Unix