html项目案例_新手干货 | 3个Python新手实操项目（附代码！）

今天给大家分享三个极实用的Python爬虫案例。

1

爬取美图网站

爬取图片是最常见的爬虫入门项目，不复杂却能很好地熟悉Python语法、掌握爬虫思路。当然有两个点要注意：

• 不要侵犯版权

• 要注意营养

思路流程：

• 获取网址的response，分页内容，解析后提取图集的地址

• 下载图片(也就是获取二进制内容，然后在本地复刻一份)

部分代码：

运行结果：

2

爬取微博数据

爬虫的最大功能之一就是整合数据，能弄到更全面的信息，真正做好大数据的分析，在这个数据说话的年代，影响是决定性的。(注意别侵权)

思路流程：

• 利用chrome浏览器，获取自己的cookie

• 获取你要爬取的用户的微博User_id

• 将获得的两项内容填入到weibo.py中，替换代码中的YOUR_USER_ID和#YOUR_COOKIE，运行代码

部分代码：

用wordcloud等软件生成词云，它会根据信息的频率、权重按比列显示关键字的字体大小。

3

爬取王者荣耀全套皮肤

怎么获取全套皮肤？用钱买，或者用爬虫爬取下来~虽然后者不能穿。这个案例稍微复杂一点，但是一个非常值得学习的项目。

思路流程：

首先进入所有英雄列表，你会看到下图

在这个网页中包含了所有的英雄名称。点击其中一个英雄例如“百里守约”，进去后如下图：

△网址为

https://pvp.qq.com/web201605/herodetail/196.shtml

网址中196.shtml以前的字符都是不变的，变化的只是196.shtml。而196是“百里守约”所对应的数字，要想爬取图片就应该进入每个英雄图片所在的网址，而网址的关键就是对应的数字。那么这些数字怎么找呢？

在所有英雄列表中，打开浏览器的开发者工具，刷新，找到一个json格式的文件，如图所示：

这时就会看到所有英雄对应的数字了。在上图所示的Headers中可以找到该json文件对应的网址形式。将其导入Python，把这些数字提取出来，然后模拟出所有英雄的网址即可。

小节代码：

#爬取王者荣耀英雄图片#导入所需模块import requestsimport reimport os#导入json文件(里面有所有英雄的名字及数字)url= http://pvp.qq.com/web201605/js/herolist.json #英雄的名字jsonhead={ User-Agent : 换成你自己的head }html = requests.get(url,headers = head)html=requests.get(url)html_json=html.json#提取英雄名字和数字hero_name=list(map(lambda x:x[ cname ],html_json)) #名字hero_number=list(map(lambda x:x[ ename ],html_json)) #数字

下载图片

现在可以进入所有英雄的网址并爬取网址下的图片了。进入一个英雄的网址，打开开发者工具，在NetWork下刷新并找到英雄的皮肤图片。如图所示：

然后在Headers中查看该图片的网址。会发现皮肤图片是有规律的。我们可以用这样的方式来模拟图片网址

http://game.gtimg.cn/images/yxzj/img201606/skin/hero-info/'+str(v)+'/'+str(v)+'-bigskin-'+str(u)+'.jpg ，

在该网址中只有str(v)与str(u)是改变的(str( )是Python中的一个函数)，str(v)是英雄对应的数字，str(u)只是图片编号，例如第一个图片就是1，第二个就是2，第三个……而一个英雄的皮肤应该不会超过12个(可以将这个值调到20等)。接着就是下载了。

下载代码：

执行完上面的代码后只需要执行main函数就行了

爬取下来的图片是这样，每个文件夹里面是该英雄对应的图片，如下图：

End.

来源：CSDN

深圳线下·零基础Python爬虫入门

利用Python自带库以及第三方库获取网站数据并存储下来，同时可以大规模爬取数据。让你零基础入门Python爬虫。

适合人群：

1. Python零基础学员

2. 即将毕业的大学生

3. 频繁手工获取数据录入员

活动时间：12.28日 星期六

下午13:00-17:00