20行Python代码爬取王者荣耀全英雄皮肤_王者荣耀数据提取

http://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/111/111-bigskin-2.jpg
http://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/111/111-bigskin-3.jpg
http://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/111/111-bigskin-4.jpg
http://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/111/111-bigskin-5.jpg
http://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/111/111-bigskin-6.jpg
http://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/111/111-bigskin-7.jpg

由此我们得出结论，同一个英雄的皮肤图片路径从1开始依次递增，我们再来看看不同英雄之间是如何区分的。会发现，不管皮肤图片如何改变，浏览器上方的地址始终是不变的，所以我们将两个不同英雄的url地址放到一起比较一下：

https://pvp.qq.com/web201605/herodetail/523.shtml
https://pvp.qq.com/web201605/herodetail/111.shtml

乍一看，似乎没有什么规律，但我们要从这里发现一点，就是最后的数字其实控制的是哪个英雄，我们暂且认为它是英雄的编号，可不幸的是，英雄编号之间好像没有什么规律，不用着急，我们再到官网上找找线索。


在英雄资料界面，我们打开F12调试台，通过抓取网络请求，我发现了几个文件：  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20191121213132995.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibGl6emF3YW5nLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)  
 点击网络，然后点击XHR，就可以看到这几个文件，看到文件的名字大家应该就清楚了，这些文件存储的就是英雄列表信息，我们点击查看一下：  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20191121213254821.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibGl6emF3YW5nLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)  
 没错，这里存储的就是英雄信息，包括英雄的名字，英雄编号等等其它信息，我们可以试试这些信息的准确性，例如小乔的ename，也就是英雄编号为106，所以按照之前的想法，英雄小乔的详情地址应为：<https://pvp.qq.com/web201605/herodetail/106.shtml>  
 经过尝试后发现确实如此。


到这里，准备工作就完成了，其实进行到这里，整个工程就完成了一半了，接下来就是代码的实现了。


#### 代码实现


首先我们创建一个Python文件，然后导入os和requests模块。  
 按照前面的步骤，我们首先需要获取到英雄列表信息，也就是herolist.json文件，文件地址为：https://pvp.qq.com/web201605/js/herolist.json，这在调试台中可以找到。  
 那么我们首先就要通过这个地址获取到英雄列表信息的json数据，然后解析json数据，将有用的信息提取出来：

url = ‘https://pvp.qq.com/web201605/js/herolist.json’
herolist = requests.get(url) # 获取英雄列表json文件

herolist_json = herolist.json() # 转化为json格式
hero_name = list(map(lambda x: x[‘cname’], herolist.json())) # 提取英雄的名字
hero_number = list(map(lambda x: x[‘ename’], herolist.json())) # 提取英雄的编号

这样我们就获取到了英雄名字和编号，可以输出测试一下：  
 拿到了英雄编号之后，事情就变得很简单了，只需拼接一下url地址即可：  
 `http://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/' + hero_number + '/' + hero_number + '-bigskin-1.jpg`，这样可以获取到所有英雄的皮肤图片了，但是这里会有一个问题，英雄的皮肤是有多有少的，有的英雄只有两个皮肤，有的却有六七个，所以图片编号的最大值我们并不清楚，这里我采用了一个比较笨的办法，就是让一个变量从1到10依次递增去拼接图片地址，如果遇到没有的图片我们就不处理，因为没有一个英雄的皮肤超过了10个，所以我们就能获取到所有的图片了。下面看代码实现：

下载图片

def downloadPic():
i = 0
for j in hero_number:
# 创建文件夹
os.mkdir(“C:\Users\Administrator\Desktop\wzry\” + hero_name[i])
# 进入创建好的文件夹
os.chdir(“C:\Users\Administrator\Desktop\wzry\” + hero_name[i])
i += 1
for k in range(10):
# 拼接url
onehero_link = ‘http://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/’ + str(j) + ‘/’ + str(
j) + ‘-bigskin-’ + str(k) + ‘.jpg’
im = requests.get(onehero_link) # 请求url
if im.status_code == 200:
open(str(k) + ‘.jpg’, ‘wb’).write(im.content) # 写入文件

实现非常地简单，代码注释也已经写得很清楚了，有了这个函数之后，我们只需调用一下，就可以下载图片了，整个程序的完整代码如下：

import os
import requests

url = ‘https://pvp.qq.com/web201605/js/herolist.json’
herolist = requests.get(url) # 获取英雄列表json文件

herolist_json = herolist.json() # 转化为json格式
hero_name = list(map(lambda x: x[‘cname’], herolist.json())) # 提取英雄的名字
hero_number = list(map(lambda x: x[‘ename’], herolist.json())) # 提取英雄的编号

下载图片

def downloadPic():
i = 0
for j in hero_number:
# 创建文件夹
os.mkdir(“C:\Users\Administrator\Desktop\wzry\” + hero_name[i])
# 进入创建好的文件夹
os.chdir(“C:\Users\Administrator\Desktop\wzry\” + hero_name[i])
i += 1
for k in range(10):
# 拼接url
onehero_link = ‘http://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/’ + str(j) + ‘/’ + str(
j) + ‘-bigskin-’ + str(k) + ‘.jpg’
im = requests.get(onehero_link) # 请求url
if im.status_code == 200:
open(str(k) + ‘.jpg’, ‘wb’).write(im.content) # 写入文件

downloadPic()

除去注释，接近20行的代码我们就完成了王者荣耀全英雄皮肤的爬取，是不是非常简单呢？我们可以测试一下这个程序，首先要在桌面上创建一个文件夹，名为wzry，因为这里的代码我已经写死了，如果要修改的话大家也可以进行修改，文件夹创建完成后点击运行即可，等待片刻，图片就全部下载完成了。  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20191121215446967.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibGl6emF3YW5nLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/2019112121550435.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibGl6emF3YW5nLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20191121215534400.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibGl6emF3YW5nLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)  
 对于程序中json字符串的解析，我们还可以使用jsonpath模块来进行，使用该模块能够更加快捷地获取到我们想要的信息，解析方式如下：

hero_name = jsonpath.jsonpath(html_json, “$..cname")her{o}_{n}umber=jsonpath.jsonpath(htm{l}_{j}son,"$…ename”)

该方法接收一个json字符串和解析规则，$…cname则表示从根目录下找寻任意位置的以cname为键的值，并放入字典中。


#### 结尾


爬虫是非常有趣的，因为它非常直观，视觉冲击感强，写出来也很有成就感，爬虫虽然强大，但千万不能随意爬取隐私信息。


最后，如果对文中程序有更好的建议，欢迎评论区留言。