forked from leonardojs1981/OLD_a_music_analysis
-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path1_baixar_cifras_e_letras
426 lines (356 loc) · 27.9 KB
/
1_baixar_cifras_e_letras
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
### Codigo Python de Scraping no Cifras.com e Letras.com ###
# Packages:
import urllib.request as urllib # copia paginas html
from bs4 import BeautifulSoup # functions to parse the data returned from the website
import re
import pandas as pd
import numpy as np
# Step 1: Funcoes
# 1. Pega lista de artistas do site a partir da letra do alfabeto
def pega_lista_artistas(letra):
link_artista_letra = ("http://www.cifras.com.br/letra/" + letra)
pagina_artista = urllib.urlopen(link_artista_letra)
for line_number, line in enumerate(pagina_artista):
# Because this is 0-index based
if line_number == 419:
linha_1 = line
elif line_number == 420:
linha_2 = line
# Stop reading
elif line_number > 420:
break
return (linha_1, linha_2)
# 2. Pega informacoes do artista (qtde de musicas, genero, posicao inicial e final das musicas) a partir do arquivo baixado:
def pega_info_artista_1(file):
line_number = 0
for line in open(file, encoding="ISO-8859-1"):
line_number += 1
if line_number == 365:
genero = line
genero = genero.replace("\t", "")
genero = genero.replace(" <br />\n", "")
if line_number == 368:
qtde_musicas = line
qtde_musicas = qtde_musicas.replace("\t", "")
qtde_musicas = qtde_musicas.replace("\r", "")
qtde_musicas = qtde_musicas.replace("\n", "")
qtde_musicas = qtde_musicas.replace(" ", "")
qtde_musicas = int(qtde_musicas.replace("músicas", ""))
elif "</h3>" in line:
inicio = line_number
elif "<p>Não encontrou a música que você está procurando?<br>" in line:
final = line_number
break
return (genero, qtde_musicas, inicio, final)
# 3. Pega lista de links de musica a partir da posicao no arquivo baixado:
def pega_info_artista_2(posicao):
line_number = 0
for line in open(file, encoding="ISO-8859-1"):
line_number += 1
if line_number == posicao:
start_link = line.find("href=")
start_quote = line.find('"', start_link)
end_quote = line.find('"', start_quote + 1)
link_musica = line[start_quote + 1:end_quote]
#link_musica = line
#link_musica = link_musica.replace("\t", "")
#link_musica = link_musica.replace("<a href=", "")
#link_musica = link_musica.replace(" class=\"list-group-item\" style=\'font-size:18px; font-weight:bold\' >\n", "")
#link_musica = link_musica.replace(" class=\"list-group-item\" ", "")
#link_musica = link_musica.replace("style=\'font-size:18px; font-weight:bold\'", "")
#link_musica = link_musica.replace(" >\n", "")
#link_musica = link_musica.replace("\"", "")
break
return (link_musica)
def pega_info_artista_3(file):
lista_links_letras = []
line_number = 0
for line in open(file, encoding="ISO-8859-1"):
line_number += 1
if "<li class=\"c" in line:
start_link = line.find("href=")
start_quote = line.find('"', start_link)
end_quote = line.find('"', start_quote + 1)
link_letra = line[start_quote + 1:end_quote - 1]
lista_links_letras.append(link_letra)
return lista_links_letras
# 4. Pega cifra e letra a partir do link da musica:
def pega_cifra(link_musica) :
page = urllib.urlopen(link_musica) # copia a pagina
soup = BeautifulSoup(page) # transforma a pagina em um objeto beautiful soup
song = soup.pre # copiando o conteudo da tag <pre>
song = str(song) # convertendo pra string
result = re.findall("<u>(.*)</u>", song) # copiando o trecho dos acordes, pela tag <u>
result = str(result) # convertendo de lista pra string, para permitir fazer algumas mudancas
result = result.replace("</u>", ",").replace("<u>", ",").replace("/ ", ",").replace("//", "/").replace(" ",
"").replace(
",,", ",").replace(",,", ",").replace(",,", ",").replace(",,", ",").replace(",,", ",").replace(",,",
",").replace(
",,", ",").replace(",,", ",").replace("'", "").replace(";", "").replace("\\", "").replace("t", "")
result = result[1:-1]
result_list = result.split(",") # transformando em lista de novo
return result_list
def pega_letra(link_letra) :
page = urllib.urlopen(link_letra) # copia a pagina
soup = BeautifulSoup(page) # transforma a pagina em um objeto beautiful soup
letra = soup.find(id="letra").string
letra = letra.replace("\n\t", "").replace("\r", "").replace("\t", "").replace("\n", "|").replace("| |", "|").replace("| |", "|").replace("| |", "|")
for p in soup.find_all("p", attrs={'class':'artCompositor'}):
compositor = p.text.replace(" Compositor:", "")
return (letra, compositor)
# 5. Executa funcao de lista de artistas
alfabeto = ["a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "q", "r", "s", "t", "u",
"v", "w", "x", "y", "z", "[0-9]"]
lista_artistas = []
for letra in alfabeto:
soup = BeautifulSoup(str(pega_lista_artistas(letra)))
for ptag in soup.find_all('p'):
try:
lista_artistas.append(ptag.a["href"] + ": " + ptag.img["src"].replace("http://e-chords.com/t/", ""))
except:
pass
print(letra)
lista_artistas = dict(map(str, x.split(':')) for x in lista_artistas)
lista_artistas = {k: v for k, v in lista_artistas.items() if v == " f1.gif"}
lista_artistas = list(lista_artistas.keys())
lista_artistas = ['chiclete-com-banana', 'asa-de-aguia', 'ivete-sangalo', 'babado-novo', 'harmonia-do-samba', 'banda-eva', 'claudia-leitte', 'daniela-mercury', 'banda-grafith', 'ricardo-chaves', 'timbalada', 'araketu', 'chicabana', 'netinho', 'oz-bambaz', 'companhia-do-calypso', 'banda-passarela', 'carlinhos-brown', 'parangole', 'banda-cheiro-de-amor', 'psirico', 'tomate', 'olodum', 'chicana', 'bambakere', 'terrasamba', 'rapazolla', 'a-zorra', 'os-charadas', 'fantasmao', 'alexandre-peixe', 'banda-mel', 'ceceu-muniz', 'tchakabum', 'voa-dois', 'ed-motta', 'celso-blues-boy', 'dblack', 'ivan-correa', 'toquinho', 'dick-farney', 'joao-gilberto', 'sylvia-telles', 'joyce', 'baden-powell', 'silvia-telles', 'tito-madi', 'amado-batista', 'banda-calypso', 'reginaldo-rossi', 'adelino-nascimento', 'paulo-sergio', 'wander-wildner', 'ricardo-braga', 'jose-orlando', 'odair-jose', 'cristiano-neves', 'carlos-alexandre', 'barto-galeno', 'roberto-leal', 'balthazar', 'genival-santos', 'banda-floribella', 'jose-ribeiro', 'waldick-soriano', 'paulo-marcio', 'tarcys-andrade', 'alipio-martins', 'evaldo-freire', 'assis-cavalcanti', 'evaldo-braga', 'michelle-melo', 'roberto-muller', 'sidney-magal', 'banda-da-loirinha', 'mauricio-reis', 'avioes-do-forro', 'forro-sotaque-bacana', 'garota-safada', 'luiz-gonzaga', 'limao-com-mel', 'calcinha-preta', 'alceu-valenca', 'desejo-de-menina', 'mastruz-com-leite', 'saia-rodada', 'wesley-safadao', 'morais-do-acordeon', 'emiliano-pordeus', 'elba-ramalho', 'estakazero', 'falamansa', 'forro-do-muido', 'flavio-jose', 'dorgival-dantas', 'banda-magnificos', 'cavaleiros-do-forro', 'dominguinhos', 'rita-de-cassia', 'circulado-de-fulo', 'frank-aguiar', 'geraldinho-lins', 'tayrone-cigano', 'trio-nordestino', 'asas-livres', 'cangaia-de-jegue', 'gabriel-diniz', 'kelvin-do-acordeom', 'mala-100-alca', 'jose-marques', 'forro-100-grillo', 'rastape', 'sirano-sirino', 'solteiroes-do-forro', 'collo-de-menina', 'raiz-do-sana', 'banda-labaredas', 'mulher-sarada', 'banda-treme-terra', 'trio-forrozao', 'trio-virgulino', 'bonde-do-forro', 'cheiro-de-menina', 'novo-tom', 'edigar-mao-branca', 'adelmario-coelho', 'jorge-ben-jor', 'pirata-celestino', 'latino', 'anitta', 'claudinho-buchecha', 'perlla', 'mc-naldo', 'mc-marcinho', 'catolicas', 'harpa-crista', 'corinhos-evangelicos', 'padres', 'comunidades', 'igreja-crista-maranata', 'diante-do-trono', 'renascer-praise', 'padre-zezinho', 'oficina-g3', 'igrejas', 'aline-barros', 'hinario-adventista', 'voz-da-verdade', 'catedral', 'david-quinlan', 'fernanda-brum', 'andre-valadao', 'vencedores-por-cristo', 'ludmila-ferber', 'santa-geracao', 'kleber-lucas', 'cantor-cristao', 'asaph-borba', 'cassiane', 'fernandinho', 'toque-no-altar', 'rosa-de-saron', 'sergio-lopes', 'eyshila', 'filhos-do-homem', 'daniel-souza', 'comunidade-catolica-shalom', 'resgate', 'gerson-rufino', 'novo-som', 'thalles-roberto', 'cristina-mel', 'ouvir-e-crer', 'shirley-carvalhaes', 'louvemos', 'vineyard-music', 'anjos-de-resgate', 'daniel-e-samuel', 'ministerio-koinonya-de-louvor', 'casa-de-davi', 'adhemar-de-campos', 'joao-alexandre', 'carlinhos-felix', 'musicas-infantis', 'cantinho-da-crianca', 'trem-da-alegria', 'dominio-publico', 'cagerio-de-souza', 'turma-do-balao-magico', 'balao-magico', 'assis-valente', 'carlos-rogerio', 'roberto-carlos', 'the-fevers', 'erasmo-carlos', 'renato-e-seus-blue-caps', 'jose-roberto', 'jerry-adriani', 'wanderley-cardoso', 'vanusa', 'wanderlea', 'almir-bezerra', 'ronnie-von', 'golden-boys', 'os-incriveis', 'the-originals', 'carlos-gonzaga', 'celly-campello', 'demetrius', 'eduardo-araujo', 'caetano-veloso', 'chico-buarque', 'djavan', 'elis-regina', 'ze-ramalho', 'gilberto-gil', 'jorge-vercillo', 'fagner', 'milton-nascimento', 'marisa-monte', 'tom-jobim', 'zeca-baleiro', 'tim-maia', 'oswaldo-montenegro', 'simone', 'maria-bethania', 'joao-bosco', 'alcione', 'fabio-junior', 'gal-costa', 'vinicius-de-moraes', 'adriana-calcanhotto', 'ney-matogrosso', 'ivan-lins', 'leoni', 'leila-pinheiro', 'wilson-simonal', 'seu-jorge', 'pery-ribeiro', 'jose-augusto', 'lenine', 'guilherme-arantes', 'belchior', 'flavio-venturini', '14-bis', 'vander-lee', 'paulinho-moska', 'rosana', 'mpb4', 'agostinho-dos-santos', 'clara-nunes', 'gonzaguinha', 'vanessa-da-mata', 'o-teatro-magico', 'leo-magalhaes', 'chico-cesar', 'fernando-mendes', 'nora-ney', 'tom-ze', 'maria-rita', 'emilio-santiago', 'roupa-nova', 'kid-abelha', 'belo', 'daniel', 'ana-carolina', 'sandy-junior', 'biquini-cavadao', 'cazuza', 'rosa-morena-e-platino', 'cristian-castro', 'ls-jack', 'lucas-lucco', 'reacao-em-cadeia', 'emmerson-nogueira', 'claudette-soares', 'mamonas-assassinas', 'alexandre-pires', 'banda-sayonara', 'falcao', 'dibob', 'looppy-neves', 'benito-di-paula', 'agnaldo-rayol', 'cauby-peixoto', 'nubia-lafayette', 'scracho', 'camisa-de-venus', 'high-school-musical', 'klb', 'papas-da-lingua', 'cachorro-grande', 'luiza-possi', 'wanessa-camargo', 'ratto', 'marconi-branco', 'wanda-sa', 'neanderthal', 'tiago-iorc', 'the-flanders', 'marjorie-estiano', 'armando-manzanero', 'clarice-falcao', 'rebeldes-(brasil)', 'frejat', 'moacyr-franco', 'maria-do-relento', 'marcelo-camelo', 'walter-viana', 'areia-lima', 'o-rappa', 'sampa-crew', 'projota', 'planet-hemp', 'bonde-da-stronda', 'kiko-mello', 'willian-bo', 'faccao-central', 'gabriel-pensador', 'marcelo-d2', 'racionais-mcs', 'apocalipse-16', 'mv-bill', 'rappervil', 'emicida', 'natiruts', 'armandinho', 'cidade-negra', 'planta-e-raiz', 'chimarruts', 'edson-gomes', 'maskavo', 'ponto-de-equilibrio', 'dazaranha', 'tribo-de-jah', 'armandinho-banda', 'casaca', 'mato-seco', 'adao-negro', 'macucos', 'onze20', 'nengo-vieira', 'diamba', 'irie', 'reobote-zion', 'beca-arruda', 'maneva', 'rastaclone', 'jah-live', 'namaste', 'nomad', 'digo-cardkamp-', 'raizes-rasta', 'alma-djem', 'salomao-do-reggae', 'sine-calmon', 'vibracoes-rasta', 'yomanaho', 'edu-ribeiro-cativeiro', 'filosofia-reggae', 'java-roots', 'javaroots', 'crombie', 'tche-garotos', 'ze-geraldo', 'brenda-lee', 'luiz-marenco', 'cesar-oliveira-e-rogerio-melo', 'os-monarcas', 'os-serranos', 'teixeirinha', 'boi-garantido', 'garotos-de-ouro', 'joao-luiz-correa', 'tche-barbaridade', 'joca-martins', 'mano-lima', 'grupo-minuano', 'jose-mendes', 'joelson-e-joedson', 'walter-toniosso', 'gaucho-da-fronteira', 'tche-boys', 'porca-veia', 'raca-fandangueira', 'elomar', 'noel-guarany', 'arraial-do-pavulagem', 'pouca-vogal', 'tom-cleber', 'matraca-berg', 'grupo-rodeio', 'os-mirins', 'cascatinha-e-inhana', 'xangai', 'marcelo-oliveira', 'tche-guri', 'alma-serrana', 'boi-caprichoso', 'adalberto-e-adriano', 'br5-49', 'alemao-ronaldo', 'chiquito-e-grupo-bordoneio', 'nando-cordel', 'osvaldir-e-carlos-magrao', 'tradicionais', 'grupo-candieiro', 'jairo-lambari-fernandes', 'lisandro-amaral-', 'os-campeiros', 'serrote-preto', 'cordel-do-fogo-encantado', 'pinduca', 'charlie-brown-jr', 'engenheiros-do-hawaii', 'raul-seixas', 'titas', 'capital-inicial', 'skank', 'legiao-urbana', 'rita-lee', 'paralamas-do-sucesso', 'cpm-22', 'angra', 'nando-reis', 'lulu-santos', 'sepultura', 'raimundos', 'anti-flag', 'detonautas', 'ira', 'pato-fu', 'nx-zero', 'jota-quest', 'cassia-eller', 'forfun', 'los-hermanos', 'barao-vermelho', 'nenhum-de-nos', 'renato-russo', 'arnaldo-antunes', 'novas-bandas', 'lobao', 'tequila-baby', 'dead-fish', 'os-mutantes', 'zelia-duncan', 'wilson-sideral', 'aliados', 'ultraje-a-rigor', 'darvin', 'nei-van-soria', 'matanza', 'marina-lima', 'danni-carlos', 'tihuana', 'carbona', 'rpm', 'tianastacia', 'paulo-ricardo', 'rouge', 'garotos-podres', 'jay-vaquer', 'fundo-de-quintal', 'zeca-pagodinho', 'exaltasamba', 'sorriso-maroto', 'grupo-revelacao', 'beth-carvalho', 'raca-negra', 'art-popular', 'turma-do-pagode', 'jorge-aragao', 'trio-parada-dura', 'so-pra-contrariar', 'martinho-da-vila', 'paulinho-da-viola', 'pique-novo', 'sensacao', 'jeito-moleque', 'molejo', 'pixote', 'trio-irakitan', 'boka-loka', 'gustavo-lins', 'katinguele', 'reinaldo', 'imaginasamba', 'dudu-nobre', 'bezerra-da-silva', 'negritude-junior', 'cartola', 'leci-brandao', 'os-travessos', 'jackson-do-pandeiro', 'arlindo-cruz', 'inimigos-da-hp', 'thiaguinho', 'grupo-bom-gosto', 'grupo-so-ficar', 'soweto', 'agepe', 'sem-compromisso', 'arlindo-cruz-sombrinha', 'luiz-melodia', 'swing-simpatia', 'rodriguinho', 'samprazer', 'jammil-e-uma-noites', 'almir-guineto', 'tentasamba', 'os-originais-do-samba', 'joao-nogueira', 'bruno-e-marrone', 'zeze-di-camargo-e-luciano', 'tiao-carreiro-e-pardinho', 'edson-e-hudson', 'jorge-e-mateus', 'chitaozinho-xororo', 'milionario-e-jose-rico', 'gusttavo-lima', 'chrystian-e-ralf', 'eduardo-costa', 'victor-e-leo', 'guilherme-e-santiago', 'joao-bosco-e-vinicius', 'luan-santana', 'cesar-menotti-e-fabiano', 'gian-e-giovani', 'joao-neto-e-frederico', 'fernando-e-sorocaba', 'leonardo', 'tonico-e-tinoco', 'paula-fernandes', 'rick-e-renner', 'rio-negro-e-solimoes', 'lourenco-e-lourival', 'cristiano-araujo', 'sergio-reis', 'leandro-e-leonardo', 'joao-carreiro-e-capataz', 'teodoro-e-sampaio', 'conrado-e-aleksandro', 'henrique-e-juliano', 'jads-e-jadson', 'humberto-e-ronaldo', 'gino-e-geno', 'marcos-e-belutti', 'munhoz-e-mariano', 'joao-paulo-e-daniel', 'almir-sater', 'michel-telo', 'cezar-e-paulinho', 'ze-henrique-e-gabriel', 'hugo-pena-e-gabriel', 'matogrosso-e-mathias', 'joao-mineiro-e-marciano', 'israel-e-rodolffo', 'paulinho-natureza', 'grupo-tradicao', 'thaeme-e-thiago', 'israel-novaes', 'chico-rey-e-parana', 'elizeth-cardoso', 'altemar-dutra', 'maysa', 'agnaldo-timoteo', 'nelson-goncalves', 'noel-rosa', 'silvio-caldas', 'orlando-silva', 'dolores-duran', 'adoniran-barbosa', 'demonios-da-garoa', 'dalva-de-oliveira', 'ary-barroso', 'lamartine-babo', 'moreira-da-silva', 'velha-guarda-da-portela', 'lupicinio-rodrigues', 'francisco-alves', 'ataulfo-alves', 'paulo-vanzolini', 'carlos-galhardo', 'vicente-celestino', 'mestre-marcal', 'herivelto-martins', 'jamelao', 'pixinguinha', 'ze-keti']
# 6. Executa funcoes de dados do artista
# 6.1. Executando só a primeira parte, para fazer um corte depois e então executar a segunda.
lista_artistas_dados_1 = []
for nome in lista_artistas:
try:
artista_page = ("http://www.cifras.com.br/"+nome)
#file = (nome+".txt")
file = "artista.txt"
urllib.urlretrieve(artista_page, file)
lista_artistas_dados_1.append((nome,) + pega_info_artista_1(file))
# termo_inicial = list(pega_info_artista_1(file))[2]+5
# termo_final = list(pega_info_artista_1(file))[3]-16
# lista_de_posicoes = []
# line_number = 0
# for line in open(file, encoding="ISO-8859-1"):
# try:
# line_number += 1
# if "class=\"list-group-item\"" in line and "ver-2" not in line and "versao-2" not in line\
# and "ver2" not in line and "versao2" not in line:
# lista_de_posicoes.append(line_number)
# elif line_number > termo_final :
# break
# except:
# pass
# lista_musicas = []
# for posicao in lista_de_posicoes:
# try:
# lista_musicas.append(pega_info_artista_2_(posicao))
# except:
# pass
#lista_artistas_dados_2.append(nome + ": " + str(lista_musicas).replace("[", "").replace("]", ""))
print(nome)
#lista_artistas_dados_2.append((nome,) + tuple([lista_musicas]))
except:
pass
labels_df_artista_1 = ["artista", "genero", "qtde_musicas", "pos_ini", "pos_fim"]
df_artista_1 = pd.DataFrame.from_records(lista_artistas_dados_1, columns=labels_df_artista_1)
# criando colunas genero_ajustado e rankinkg por genero_ajustado
df_artista_1["genero_ajustado"] = np.where(df_artista_1["genero"] == "Besteirol", "Pop Music",
(np.where(df_artista_1["genero"] == "Blues", "Blues/Soul/Jazz",
(np.where(df_artista_1["genero"] == "Brasil", "Pop Music",
(np.where(df_artista_1["genero"] == "Católicas", "Gospel",
(np.where(df_artista_1["genero"] == "Country", "Regional",
(np.where(df_artista_1["genero"] == "Espíritas", "Gospel",
(np.where(df_artista_1["genero"] == "Gaúchas", "Regional",
(np.where(df_artista_1["genero"] == "Heavy Metal", "Rock'n Roll",
(np.where(df_artista_1["genero"] == "Jazz", "Blues/Soul/Jazz",
(np.where(df_artista_1["genero"] == "Pop Rock", "Rock'n Roll",
(np.where(df_artista_1["genero"] == "Punk Rock", "Rock'n Roll",
(np.where(df_artista_1["genero"] == "Rock Alternativo", "Rock'n Roll",
(np.where(df_artista_1["genero"] == "Rock Clássico", "Rock'n Roll",
(np.where(df_artista_1["genero"] == "Romântica", "Pop Music",
(np.where(df_artista_1["genero"] == "Samba Enredo", "Samba e Pagode",
(np.where(df_artista_1["genero"] == "Soul", "Blues/Soul/Jazz",
df_artista_1["genero"])))))))))))))))))))))))))))))))
df_artista_1['rank'] = df_artista_1.groupby(['genero_ajustado'])['qtde_musicas'].rank(ascending=False)
# filtros
df_artista_1_agrupado = df_artista_1.groupby("genero_ajustado").agg({"artista": pd.Series.nunique})
df_artista_1_agrupado = df_artista_1_agrupado.loc[df_artista_1_agrupado['artista'] > 20, :]
df_artista_1_agrupado = df_artista_1_agrupado[df_artista_1_agrupado.index.isin(["Diversos", "Não Informada"]) == False]
df_artista_1_filtrado = df_artista_1[df_artista_1['rank'] <= 50]
df_artista_1_filtrado = df_artista_1_filtrado[df_artista_1_filtrado['qtde_musicas'] > 10]
#df_artista_1_filtrado = df_artista_1_filtrado[df_artista_1_filtrado['genero_ajustado'].isin(list(df_artista_1_agrupado.index))]
# 6.2. Executando a segunda parte, pegando a lista de musicas.
lista_artistas_dados_2 = []
for nome in list(df_artista_1_filtrado["artista"]):
try:
artista_page = ("http://www.cifras.com.br/"+nome)
file = "artista.txt"
urllib.urlretrieve(artista_page, file)
#lista_artistas_dados_1.append((nome,) + pega_info_artista_1(file))
termo_inicial = int(df_artista_1_filtrado.loc[df_artista_1_filtrado['artista'] == nome]['pos_ini'].values+5)
termo_final = int(df_artista_1_filtrado.loc[df_artista_1_filtrado['artista'] == nome]['pos_fim'].values-16)
lista_de_posicoes = []
line_number = 0
for line in open(file, encoding="ISO-8859-1"):
try:
line_number += 1
if "class=\"list-group-item\"" in line and "ver-2" not in line and "versao-2" not in line\
and "ver2" not in line and "versao2" not in line:
lista_de_posicoes.append(line_number)
elif line_number > termo_final :
break
except:
pass
lista_musicas = []
for posicao in lista_de_posicoes:
try:
lista_musicas.append(pega_info_artista_2_(posicao))
except:
pass
#lista_artistas_dados_2.append(nome + ": " + str(lista_musicas).replace("[", "").replace("]", ""))
print(nome)
lista_artistas_dados_2.append((nome,) + tuple([lista_musicas]))
except:
pass
labels_df_artista_2 = ["artista", "lista_de_links_de_musicas"]
df_artista_2 = pd.DataFrame.from_records(lista_artistas_dados_2, columns=labels_df_artista_2)
# 6.3. Pegando a lista de letras
#lista_artistas = ["chico-buarque", "caetano-veloso", "gilberto-gil"]
lista_artistas_links = []
for artista in list(df_artista_1_filtrado["artista"]):
try:
artista_page = ("http://www.letras.com.br/" + artista)
file = "artista_letra.txt"
urllib.urlretrieve(artista_page, file)
lista_artistas_links.append((artista,) + tuple([pega_info_artista_3(file)]))
print(artista)
except:
pass
labels_df_artista_letras = ["artista", "lista_de_links_de_letras"]
df_artista_letras = pd.DataFrame.from_records(lista_artistas_links, columns=labels_df_artista_letras)
#Complemento: Lista de links de letras, corrigindo divergencias entre Cigras.com e Letras.com
nomes = ["fabio-junior", "claudinho-buchecha", "sandy-junior", "gabriel-pensador", "armandinho-banda", "chitaozinho-xororo"]
nomes_corrigidos = ["fabio-jr", "claudinho-e-buchecha", "sandy-e-junior", "gabriel-o-pensador", "armandinho", "chitaozinho-e-xororo"]
dic_artista_complemento = {}
for i in range(len(nomes)):
dic_artista_complemento[nomes[i]] = nomes_corrigidos[i]
df_artista_complemento = pd.DataFrame(list(dic_artista_complemento.items()), columns=['artista', 'artista_ajustado'])
lista_artistas_links_complemento = []
for artista_ajustado in list(df_artista_complemento["artista_ajustado"]):
try:
artista_page = ("http://www.letras.com.br/" + artista_ajustado)
file = "artista_letra.txt"
urllib.urlretrieve(artista_page, file)
lista_artistas_links_complemento.append((artista_ajustado,) + tuple([pega_info_artista_3(file)]))
print(artista_ajustado)
except:
pass
labels_df_artista_complemento_links = ["artista_ajustado", "lista_de_links_de_letras"]
df_artista_complemento_links = pd.DataFrame.from_records(lista_artistas_links_complemento, columns=labels_df_artista_complemento_links)
df_artista_complemento = pd.merge(df_artista_complemento, df_artista_complemento_links, on='artista_ajustado', how='outer')
# atualizando o data frame
df_artista = pd.merge(df_artista_1, df_artista_2, on='artista', how='outer')
# criando subdfs para rodar aos poucos
#df_artista_parte_1 = df_artista.iloc[:151]
#df_artista_parte_2 = df_artista.iloc[151:301]
#df_artista_parte_3 = df_artista.iloc[301:451]
#df_artista_parte_4 = df_artista.iloc[451:590]
# 7. Executa funcao de busca das cifras
lista_acordes = []
for index, row in df_artista.iterrows():
artista = row["artista"]
# count = 0
for link in row["lista_de_links_de_musicas"]:
#lista_acordes.append((artista,) + (link,) + tuple(pega_cifra(link)))
try:
lista_acordes.append(artista + "¬" + link + "¬" + str(pega_cifra(link)))
# count = count+1
print(artista + " - " + link)
except:
pass
lista_acordes_editada = [s.replace("http://www.cifras.com.br/cifra/", "") for s in lista_acordes]
lista_acordes_editada = [s.replace("http://www.cifras.com.br/tablatura/", "") for s in lista_acordes_editada]
df_cifras = pd.DataFrame({'lista_completa': lista_acordes_editada})
df_cifras = df_cifras['lista_completa'].str.split('¬', expand=True)
df_cifras.columns = ['artista', 'link', 'cifra','x', 'y', 'z']
df_cifras = df_cifras[df_cifras["x"].isnull()]
df_cifras = df_cifras[df_cifras["y"].isnull()]
df_cifras = df_cifras[df_cifras["z"].isnull()]
del df_cifras["x"]
del df_cifras["y"]
del df_cifras["z"]
df_cifras["nome_musica"] = df_cifras['link'].apply(lambda x: pd.Series(x.split('/')))[1]
df_cifras = df_cifras[df_cifras["nome_musica"] != ""]
#df_cifras.to_csv('df_cifras.csv', sep=';')
# 8. Juntando df_artista com df_cifras
df_artista_completo = pd.merge(df_artista, df_cifras, on='artista', how='outer')
df_artista_completo_pt1 = df_artista_completo.iloc[:9000]
df_artista_completo_pt2 = df_artista_completo.iloc[9000:18000]
df_artista_completo_pt3 = df_artista_completo.iloc[18000:27000]
df_artista_completo_pt4 = df_artista_completo.iloc[27000:36000]
df_artista_completo_pt5 = df_artista_completo.iloc[36000:44004]
# 9. Pegando letras
lista_letras = []
df_artista_letras_pt1 = df_artista_letras.iloc[:100]
df_artista_letras_pt2 = df_artista_letras.iloc[100:150]
df_artista_letras_pt3 = df_artista_letras.iloc[150:200]
df_artista_letras_pt4 = df_artista_letras.iloc[200:250]
df_artista_letras_pt5 = df_artista_letras.iloc[250:300]
df_artista_letras_pt6 = df_artista_letras.iloc[300:350]
df_artista_letras_pt7 = df_artista_letras.iloc[350:400]
df_artista_letras_pt8 = df_artista_letras.iloc[400:450]
df_artista_letras_pt9 = df_artista_letras.iloc[450:500]
df_artista_letras_pt10 = df_artista_letras.iloc[500:550]
df_artista_letras_pt11 = df_artista_letras.iloc[550:590]
for index, row in df_artista_letras_pt11.iterrows():
artista = row["artista"]
try:
for link in row["lista_de_links_de_letras"]:
#lista_acordes.append((artista,) + (link,) + tuple(pega_cifra(link)))
try:
lista_letras.append(artista + "¬" + link + "¬" + pega_letra(link)[1] + "¬" + pega_letra(link)[0])
# count = count+1
print(str(index) + artista + " - " + link)
except:
pass
except:
pass
print(str(index) + "-" + artista)
# Complemento
for index, row in df_artista_complemento.iterrows():
artista = row["artista"]
try:
for link in row["lista_de_links_de_letras"]:
#lista_acordes.append((artista,) + (link,) + tuple(pega_cifra(link)))
try:
lista_letras.append(artista + "¬" + link + "¬" + pega_letra(link)[1] + "¬" + pega_letra(link)[0])
# count = count+1
print(str(index) + artista + " - " + link)
except:
pass
except:
pass
print(str(index) + "-" + artista)
df_letras = pd.DataFrame({'lista_letras': lista_letras})
df_letras = df_letras['lista_letras'].str.split('¬', expand=True)
df_letras.columns = ['artista', 'nome_musica', 'compositor','letra']
# 10. Criando base de análise
#df_analise = df_artista_completo_letras
#del df_analise["lista_de_links_de_musicas"]
#del df_analise["qtde_musicas"]
#del df_analise["pos_ini"]
#del df_analise["pos_fim"]
#del df_analise["rank"]
# 10.1. Base de análise - cifras
df_analise_cifras = df_artista_completo
del df_analise_cifras["lista_de_links_de_musicas"]
del df_analise_cifras["qtde_musicas"]
del df_analise_cifras["pos_ini"]
del df_analise_cifras["pos_fim"]
del df_analise_cifras["rank"]
# 10.2. Base de análise - letras
df_analise_letras = pd.merge(df_letras, df_artista, on='artista', how='inner')
del df_analise_letras["lista_de_links_de_musicas"]
del df_analise_letras["qtde_musicas"]
del df_analise_letras["pos_ini"]
del df_analise_letras["pos_fim"]
del df_analise_letras["rank"]
df_analise_letras = pd.merge(df_analise_letras, df_analise_letras.groupby("artista", as_index = False).agg({"nome_musica": pd.Series.nunique}), on='artista', how='inner')