Python爬虫入门教程11:新版王者荣耀皮肤图片的爬取
前言💨
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
前文内容💨
PS:如有需要 Python学习资料
以及 解答
的小伙伴可以加点击下方链接自行获取
python免费学习资料以及群交流解答点击即可加入
基本开发环境💨
- Python 3.6
- Pycharm
相关模块的使用💨
import os # 内置模块 用于创建文件
import parsel # 第三方模块 需要 pip install parsel 安装 用于解析数据 类似 bs4 但是比 bs4 更好用
import requests # 第三方模块 需要 pip install requests 安装 用于请求网页数据
import re # 内置模块 正则表达式, 提取数据
安装Python并添加到环境变量,pip安装需要的相关模块即可。
一、💥明确需求
爬取所有王者荣耀英雄的皮肤图片壁纸
二、网页数据分析
通过开发者工具中加载的数据,可以查看高清壁纸所对应的url地址。
司空震 这个英雄有两个皮肤图片,对于王者荣耀没玩过的我,一个应该是原皮肤图片,另一个是购买后皮肤的图片
https://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/537/537-bigskin-1.jpg
https://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/537/537-bigskin-2.jpg
这个是两个图片的url:
537 :
是每个英雄的ID
bigskin-1 :
这些就是对应的皮肤序列
首先我们要获取每个英雄的ID
那就要分析英雄资料列表页的数据内容了。
104个数据,如果玩王者荣耀的话,应该知道这个数刚好对应的是英雄数吧,但是它是乱码,这个没有关系,实践是检验真理的唯一标准,请求一下这个url看一下就知道了。
https://pvp.qq.com/web201605/js/herolist.json
请求发现出现的并不是乱码,并且上面的内容貌似就清晰了,想要的数据就有了啊。
英雄名字、ID、皮肤名字。
但是出现了新的问题
廉颇明明有三个皮肤为什么上面有两个皮肤名字?如果按照这样的情况那就爬取不到所有的皮肤图片了。
既然获取了英雄的ID值,那试想一下能不能在英雄资料的详情页中,找到这些皮肤的名字,或者皮肤的图片地址呢。
通过开发者工具搜索图片来源,发现除了本身以外就没有其他的来源了。
难道后面的序列参数,给一个从1开始的for循环,然后判断是否能够请求,如果出现404说明没有这个图片地址就跳过?虽然说这样貌似可以实现,但是会有一个新的问题,那就是每张皮肤图片,没有名称,这样爬取下来的效果,不知道这张皮肤图片是什么样的。
回头又看了一眼,获取英雄ID的json数据接口,因为上面有皮肤的名字,当时就再想如果取了json数据里面的皮肤名字,然后通过字符串分割名字,可以得到一个列表,根据len() 计算列表的元素,那样我就知道,每个英雄的皮肤名字以及序列号了,但是这还需要确定一件事:
按照廉颇为例如果是这样取值的话,序列为1 的图片应该是 正义爆表 这个皮肤图片,所以需要对比一下
从结果上面来说的话,是没错的。是这样按照这样的思路来爬取图片,并且还能给每张图片以皮肤的文字命名。但是还是会少一些皮肤图片,所以可以在英雄的详情页里面查找是否有包含英雄皮肤名字。再按照上述的方式就可以完美解决问题。
有了~搞定 一切思路明了,下面总结一下:
1、请求json数据包,获取每个英雄的ID
2、拼接每个英雄详情页url,请求网页数据获取每个皮肤名字
3、根据皮肤名字顺序以及英雄ID值,拼接每张图片url地址
4、保存本地
完整实现代码
基本上每行代码都有注释
import os # 内置模块 用于创建文件
import parsel # 第三方模块 需要 pip install parsel 安装 用于解析数据 类似 bs4 但是比 bs4 更好用
import requests # 第三方模块 需要 pip install requests 安装 用于请求网页数据
import re # 内置模块 正则表达式, 提取数据
def get_response(html_url):
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
response = requests.get(url=html_url, headers=headers)
# 万能转码方式
response.encoding = response.apparent_encoding
return response
def get_image_url(hero_id):
# 英雄详情页URL
# https://pvp.qq.com/web201605/herodetail/106.shtml
# f 字符串格式化,等同于 'https://pvp.qq.com/web201605/herodetail/{}.shtml'.format(hero_id)
hero_url = f'https://pvp.qq.com/web201605/herodetail/{hero_id}.shtml'
# 请求网页数据
response = get_response(hero_url)
# 转换成 Selector 对象
selector = parsel.Selector(response.text)
# 提取英雄名字
hero_name = selector.css('.cover-name::text').get()
# 正则表达式 提取所有皮肤名字 split 字符串分割 分割之后返回的是一个列表
skin_name = re.findall('<ul class="pic-pf-list pic-pf-list3" data-imgname="(.*?)">', response.text)[0].split('|')
# len() 计算有多少个元素
num = len(skin_name)
# for 循环 也称遍历 左闭右开 int() 转换成整数类型
for page in range(1, int(num) + 1):
# 皮肤图片地址
# https://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/106/106-bigskin-2.jpg
image_url = f'https://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/{hero_id}/{hero_id}-bigskin-{page}.jpg'
# 请求皮肤 图片地址,图片是二进制的数据 所以是取 content
image_content = get_response(image_url).content
# 相对路径 传入英雄名字 给文件夹命名
path = f'{hero_name}\\'
# 判断路径下面是否有这个文件夹,如果没有就创建文件夹
if not os.path.exists(path):
os.makedirs(path)
# 皮肤图片保存的路径 文件夹 + skin_name[int(page) - 1].split('&')[0] 皮肤名字
filename = path + skin_name[int(page) - 1].split('&')[0] + '.jpg'
# filename 路径 mode 模式 wb 二进制的形式 as 重命名
with open(filename, mode='wb') as f:
# write 写入保存
f.write(image_content)
print(f'正在保存:{hero_name}', skin_name[int(page) - 1].split('&')[0])
if __name__ == '__main__':
# 英雄数据的接口数据URL
url = 'https://pvp.qq.com/web201605/js/herolist.json'
# 返回数据 为json数据
json_data = get_response(url).json()
# 是一个列表包含 一个一个的字典数据 遍历获得 没一个字典数据
for i in json_data:
# 根据字典取值 提取每个英雄的ID
hero_id = i['ename']
# 调用函数 传入英雄ID
get_image_url(hero_id)