python視頻教程欄目精煉介紹如何爬取全英雄皮膚。

免費(fèi)推薦：python視頻教程

距離上次寫爬蟲文章已經(jīng)過了許久了，之前寫過一篇20行Python代碼爬取王者榮耀全英雄皮膚
，反響強(qiáng)烈，其中有很多同學(xué)希望我再寫一篇針對(duì)英雄聯(lián)盟官網(wǎng)的皮膚爬取，但苦于事情繁多，便一拖再拖，一直拖到了現(xiàn)在，那么本篇文章我們就一起來學(xué)習(xí)一下如何爬取英雄聯(lián)盟全英雄皮膚。

爬取代碼非常簡(jiǎn)單，從上到下可能只需要寫30行左右就能完成，但重要的是分析過程，在此之前，我們先來了解一下本篇文章需要用到的模塊。

requests模塊介紹

首先是requests模塊，這是一個(gè)模擬瀏覽器請(qǐng)求的模塊，我們可以通過它來獲取網(wǎng)頁上的信息，比如百度：

import requests  url = 'http://www.baidu.com'response = requests.get(url)print(response.text)

運(yùn)行結(jié)果：

通過get函數(shù)就能夠向指定參數(shù)的url發(fā)送請(qǐng)求，得到的response對(duì)象中封裝了很多響應(yīng)的信息，其中的text即為響應(yīng)內(nèi)容，注意到獲取的內(nèi)容里有亂碼，這是編解碼不一致造成的，只需先獲取二進(jìn)制數(shù)據(jù)，然后重新解碼即可：

import requests  url = 'http://www.baidu.com'response = requests.get(url)print(response.content.decode())

運(yùn)行結(jié)果：

json模塊

json模塊可以對(duì)json字符串和Python數(shù)據(jù)類型進(jìn)行相互轉(zhuǎn)換，比如將json轉(zhuǎn)換為Python對(duì)象：

import json  json_str = '{"name":"zhangsan","age":"20"}'rs = json.loads(json_str)print(type(rs))print(rs)

使用loads函數(shù)即可將json字符串轉(zhuǎn)為字典類型，運(yùn)行結(jié)果：

<class 'dict'> {'name': 'zhangsan', 'age': '20'}

而若是想將Python數(shù)據(jù)轉(zhuǎn)為json字符串，也非常簡(jiǎn)單：

import json  str_dict = {'name': 'zhangsan', 'age': '20'}json_str = json.dumps(str_dict)print(type(json_str))print(json_str)

通過dumps函數(shù)即可將Python數(shù)據(jù)轉(zhuǎn)為json字符串，運(yùn)行結(jié)果：

<class 'str'> {"name": "zhangsan", "age": "20"}

準(zhǔn)備工作

前面介紹了兩個(gè)模塊，通過這兩個(gè)模塊我們就能夠完成這個(gè)程序了。
在正式開始編寫代碼之前，我們首先需要分析數(shù)據(jù)來源，來到官網(wǎng)：https://lol.qq.com/main.shtml，往下拉找到英雄列表：

我們隨意點(diǎn)擊一個(gè)英雄進(jìn)去查看：

在皮膚圖片上右鍵點(diǎn)擊檢查：
這樣就找到了這個(gè)皮膚的url，我們?cè)龠x擇第二個(gè)皮膚，看看它的url：

我們將安妮所有皮膚的url全部拿出來看看：

https://game.gtimg.cn/images/lol/act/img/skin/big1000.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1001.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1002.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1003.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1004.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1005.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1006.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1007.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1008.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1009.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1010.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1011.jpg https://game.gtimg.cn/images/lol/act/img/skin/big1012.jpg

從這些url中能發(fā)現(xiàn)什么規(guī)律呢？其實(shí)規(guī)律非常明顯，url前面的內(nèi)容都是一樣的，唯一不同的是big1000.jpg，而每個(gè)皮膚圖片就是在該url的基礎(chǔ)上加1。

那么問題來了，它是如何區(qū)分這張圖片所屬的英雄的呢？我們觀察瀏覽器上方的地址：

地址上有一個(gè)屬性值id為1，那么我們可以猜測(cè)一下，皮膚圖片url中的big1000.jpg是不是由英雄id和皮膚id共同組成的呢？

要想證明我們的猜想，就必須再去看看其它英雄皮膚是不是也滿足這一條件：

打開燼的詳情頁面，其id為202，由此，燼的皮膚圖片url最后部分應(yīng)為：big ' + 202 + ' 皮膚編號(hào).jpg，所以其url應(yīng)為：

https://game.gtimg.cn/images/lol/act/img/skin/big202000.jpg https://game.gtimg.cn/images/lol/act/img/skin/big202001.jpg https://game.gtimg.cn/images/lol/act/img/skin/big202002.jpg https://game.gtimg.cn/images/lol/act/img/skin/big202003.jpg https://game.gtimg.cn/images/lol/act/img/skin/big202004.jpg https://game.gtimg.cn/images/lol/act/img/skin/big202005.jpg

事實(shí)是不是如此呢？檢查一下便知：

規(guī)律已經(jīng)找到，但是我們還面臨著諸多問題，比如每個(gè)英雄對(duì)應(yīng)的id是多少呢？每個(gè)英雄又分別有多少個(gè)皮膚呢？

查詢英雄id

先來解決第一個(gè)問題，每個(gè)英雄對(duì)應(yīng)的id是多少？我們只能從官網(wǎng)首頁中找找線索，在首頁位置打開網(wǎng)絡(luò)調(diào)試臺(tái)：

點(diǎn)擊Network，并選中XHR，XHR是瀏覽器與服務(wù)器請(qǐng)求數(shù)據(jù)所依賴的對(duì)象，所以通過它便能篩選出一些服務(wù)器的響應(yīng)數(shù)據(jù)。
此時(shí)我們刷新頁面，在篩選出的內(nèi)容發(fā)現(xiàn)了這么一個(gè)東西：

hero_list，英雄列表？這里面會(huì)不會(huì)存儲(chǔ)著所有英雄的信息呢？

點(diǎn)擊右側(cè)的Response，得到了一串json字符串，我們將其解析一下：

這些數(shù)據(jù)里果然存儲(chǔ)的是英雄的信息，包括名字、id、介紹等等，那么接下來我們的任務(wù)就是將英雄名字和id單獨(dú)提取出來，過濾掉其它信息。

忘了告訴你們了，這個(gè)文件的url在這里可以找到：

接下來開始寫代碼：

import jsonimport requests# 定義一個(gè)列表，用于存放英雄名稱和對(duì)應(yīng)的idhero_id = []url = 'https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js?v=20'response = requests.get(url)text = response.text# 將json字符串轉(zhuǎn)為列表hero_list = json.loads(text)['hero']# 遍歷列表for hero in hero_list:     # 定義一個(gè)字典     hero_dict = {'name': hero['name'], 'id': hero['heroId']}     # 將列表加入字典     hero_id.append(hero_dict)print(hero_id)

首先通過requests模塊請(qǐng)求該url，就能夠獲取到一個(gè)json字符串，然后使用json模塊將該字符串轉(zhuǎn)為Python中的列表，最后循環(huán)取出每個(gè)英雄的name和heroid屬性，放入新定義的列表中，這個(gè)程序就完成了英雄id的提取。

查詢皮膚個(gè)數(shù)

接下來解決第二個(gè)問題，如何知曉某個(gè)英雄究竟有多少個(gè)皮膚，按照剛才的思路，我們可以猜測(cè)一下，對(duì)于皮膚也應(yīng)該會(huì)有一個(gè)文件存儲(chǔ)著皮膚信息，在某個(gè)英雄的皮膚頁面打開網(wǎng)絡(luò)調(diào)試臺(tái)，并選中XHR，刷新頁面，找找線索：

找來找去確實(shí)找不到有哪個(gè)文件是跟皮膚有關(guān)系的，但是這里發(fā)現(xiàn)了一個(gè)31.js文件，而當(dāng)前英雄的id也為31，這真的是巧合嗎？我們將右邊的json字符串解析一下：

該json數(shù)據(jù)中有一個(gè)skins屬性，該屬性值即為當(dāng)前英雄的皮膚信息，既然找到了數(shù)據(jù)，那接下來就好辦了，開始寫代碼：

import jsonimport requests  url = 'https://game.gtimg.cn/images/lol/act/img/js/hero/31.js'response = requests.get(url)text = response.text# 將json字符串轉(zhuǎn)為列表skins_list = json.loads(text)['skins']skin_num = len(skins_list)

源程序?qū)崿F(xiàn)

準(zhǔn)備工作已經(jīng)完成了我們所有的前置任務(wù)，接下來就是在此基礎(chǔ)上編寫代碼了：

import requestsimport jsonimport osimport tracebackfrom tqdm import tqdmdef spider_lol():     # 定義一個(gè)列表，用于存放英雄名稱和對(duì)應(yīng)的id     hero_id = []     skins = []     url = 'https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js?v=20'     response = requests.get(url)     text = response.text    # 將json字符串轉(zhuǎn)為列表     hero_list = json.loads(text)['hero']     # 遍歷列表     for hero in hero_list:         # 定義一個(gè)字典         hero_dict = {'name': hero['name'], 'id': hero['heroId']}         # 將列表加入字典         hero_id.append(hero_dict)     # 得到每個(gè)英雄對(duì)應(yīng)的id后，即可獲得英雄對(duì)應(yīng)皮膚的url     # 英雄id + 001     # 遍歷列表     for hero in hero_id:         # 得到英雄名字         hero_name = hero['name']         # 得到英雄id         hero_id = hero['id']         # 創(chuàng)建文件夾         os.mkdir('C:/Users/Administrator/Desktop/lol/' + hero_name)         # 進(jìn)入文件夾         os.chdir('C:/Users/Administrator/Desktop/lol/' + hero_name)         # 得到id后即可拼接存儲(chǔ)該英雄信息的url         hero_info_url = 'https://game.gtimg.cn/images/lol/act/img/js/hero/' + hero_id + '.js'         # 通過訪問該url獲取英雄的皮膚數(shù)量         text = requests.get(hero_info_url).text         info_list = json.loads(text)         # 得到皮膚名稱         skin_info_list = info_list['skins']         skins.clear()         for skin in skin_info_list:             skins.append(skin['name'])         # 獲得皮膚數(shù)量         skins_num = len(skin_info_list)         # 獲得皮膚數(shù)量后，即可拼接皮膚的url，如：安妮的皮膚url為：         # https://game.gtimg.cn/images/lol/act/img/skin/big1000.jpg ~ https://game.gtimg.cn/images/lol/act/img/skin/big1012         s = ''         for i in tqdm(range(skins_num), '正在爬取' + hero_name + '的皮膚'):             if len(str(i)) == 1:                 s = '00' + str(i)             elif len(str(i)) == 2:                 s = '0' + str(i)             elif len(str(i)) == 3:                 pass             try:                 # 拼接皮膚url                 skin_url = 'https://game.gtimg.cn/images/lol/act/img/skin/big' + hero_id + '' + s + '.jpg'                 # 訪問當(dāng)前皮膚url                 im = requests.get(skin_url)             except:                 # 某些英雄的炫彩皮膚沒有url，所以直接終止當(dāng)前url的爬取，進(jìn)入下一個(gè)                 continue             # 保存圖片             if im.status_code == 200:                 # 判斷圖片名稱中是否帶有'/'、''                 if '/' in skins[i] or '\' in skins[i]:                     skins[i] = skins[i].replace('/', '')                     skins[i] = skins[i].replace('\', '')                 with open(skins[i] + '.jpg', 'wb') as f:                     f.write(im.content)def main():     try:         spider_lol()     except Exception as  e:         # 打印異常信息         print(e)if __name__ == '__main__':     main()

運(yùn)行效果：

運(yùn)行之前記得在桌面上創(chuàng)建一個(gè)lol文件夾，如果想改動(dòng)的話也可以修改程序：

程序中還考慮到了一些其它情況，比如在爬取這個(gè)皮膚的時(shí)候會(huì)出現(xiàn)問題：

因?yàn)閳D片路徑是以皮膚名字命名的，然而這個(gè)皮膚的名字中竟然有個(gè)/,它是會(huì)影響到我們的圖片保存操作的，所以在保存前將斜杠替換成空字符即可。

還有一個(gè)問題就是即使是第一個(gè)皮膚，其編號(hào)也應(yīng)該為000而不是0，所以還需要對(duì)其進(jìn)行一個(gè)轉(zhuǎn)化，讓其始終是三位數(shù)。

最后

本篇文章同樣繼承了上篇文章精簡(jiǎn)的特點(diǎn)，拋去注釋的話總共30行代碼左右，程序當(dāng)然還有一些其它地方可以進(jìn)一步優(yōu)化，這就交給大家自由發(fā)揮了。