关于python:python爬取英雄联盟所有英雄数据并下载所有英雄皮肤

代码局部次要分为四大块

“””

这是要用到的库。

from bs4 import BeautifulSoup # 网页解析，获取数据

import re # 正则表达式，进行文字匹配

import urllib.request

import urllib.error # 指定 URL，获取网络数据

import xlwt # 进行 excel 操作

import sqlite3 # 进行 SQLite 数据库操作

import json # json 类型解码

import requests

import os

1. 爬取网页

def ask_url(url):

“””

拜访 URL

:return:data

“””

# 假装 chrome 的申请头

header = {

“User-Agent”: “Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Safari/537.36”

}

req = urllib.request.Request(url=url, headers=header)

html = “”

try:

response = urllib.request.urlopen(req)

html = response.read().decode()

except urllib.error.URLError as e:

if hasattr(e, “code”):

print(e.code)

if hasattr(e, “reason”):

print(e.reason)

return html

2. 解析数据

刚开始在用正则表达式匹配的英雄的中文名，打印进去的始终是一串 bytes 类型数据，不能间接显示中文，起初发现匹配到的 bytes 数据前有一个空数据，打印不显示进去。当初临时想到的只是将第一个数据剔除，而后剩下的转成 16 进制，一个个去 chr()它。如果有更好的想法，欢送留言评论。

# 正则表达式匹配查找所有英雄 id

find_hero_id = re.compile(r'{“heroId”:”(\d*)”,’) # 英雄 id

find_name = re.compile(r'”name”:”(.*)”,”alias’) # 英雄名字

find_title = re.compile(r'”title”:”(.*)”,”roles’) # title

find_alias = re.compile(r'”alias”:”(.*)”,”title’) # 英雄别名

find_roles = re.compile(r'”roles”:(.*),”shortBio’) # roles

find_skin_id = re.compile(r'”skinId”:”(\d*)”,’) # 皮肤 id

find_chromas_BelongId = re.compile(r'”chromasBelongId”:”(\d*)”,’)

def get_data(base_url):

“””

取得数据并解析
智汇代理申请 https://www.kaifx.cn/broker/t…

:return:

“””

data_list = []

list_url = “https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js”

hero_list = ask_url(list_url)

# 解析网页获取英雄 id

js = json.dumps(hero_list, sort_keys=True, ensure_ascii=False, indent=3)

js = json.loads(js, encoding=”utf-8″)

# print(js)

hero_id = re.findall(find_hero_id, js)

# print(hero_id)

# for i in range(100, 101):

for i in range(len(hero_id)):

data = []

data.append(hero_id[i]) # 增加英雄 id

url = base_url + hero_id[i] + “.js”

html = ask_url(url)

# 英雄名字

name = re.findall(find_name, html)[0]

# strip() 办法用于移除字符串头尾指定的字符 (默认为空格或换行符) 或字符序列。

# split() 办法能够实现将一个字符串依照指定的分隔符切分成多个子串，这些子串会被保留到列表中(不蕴含分隔符)，作为办法的返回值反馈回来

# print(name.strip().split(r’\u’))

# print(name.encode(‘unicode_escape’).decode(‘utf8’))

temp_name = name.split(r’\u’)[1:]

# print(”.join([chr(int(s, 16))for s in temp_name]))

hero_name = ”.join([chr(int(s, 16))for s in temp_name])

data.append(hero_name) # 增加英雄名字

# print(hero_name)

# 英雄 title

title = re.findall(find_title, html)[0]

temp_title = title.split(r’\u’)[1:]

hero_title = ”.join([chr(int(s, 16))for s in temp_title])

data.append(hero_title)

# print(hero_title)

# 英雄 alias

alias = re.findall(find_alias, html)[0]

data.append(alias)

# print(alias)

# 英雄作用

roles = re.findall(find_roles, html)[0]

data.append(roles)

# print(roles)

# 皮肤 id

skin_id = re.findall(find_skin_id, html)

chromas_belongid = re.findall(find_chromas_BelongId, html)

for n in range(len(chromas_belongid)):

if chromas_belongid[n] == ‘0’:

base_skin_url = ‘https://game.gtimg.cn/images/…’

skin_url = base_skin_url + skin_id[n] + ‘.jpg’

data.append(skin_url)

# print(skin_url)

# print(chromas_belongid)

# print(skin_id)

# print(data)

# print(html)

data_list.append(data)

return data_list

3. 保留数据

将获取的数据保留成 excel 格局。这里要用到 xlwt 库。

数据只获取这些，如果还要获取一些英雄属性 (红条，蓝条之类的) 能够用正则表达式去匹配他们。

def save_data(data_list, save_path):

“””

保留数据

:return:

“””

# 创立 workbook 对象

workbook = xlwt.Workbook(encoding=’utf-8′, style_compression=0)

sheet = workbook.add_sheet(‘LOL 英雄材料 ’, cell_overwrite_ok=True) # 创立工作表

col = (‘ 英雄 ID’, ‘ 英雄名 ’, ‘ 别名 ’, ‘ 英文名 ’, ‘ 作用 ’, ‘ 皮肤链接 ’)

for i in range(len(col)):

sheet.write(0, i, col[i])

for m in range(len(data_list)):

print(“ 写入第 %d 条 ” % m)

data = data_list[m]

for n in range(len(data)):

sheet.write(m + 1, n, data[n])

workbook.save(save_path)

4. 下载图片

这个函数是下载所有的英雄皮肤，每个英雄一个文件夹。

def save_image(data_list):

“””

保留英雄皮肤图片

:return:

“””

save_path = ‘.\\ 英雄皮肤 ’

for i in range(len(data_list)):

data =data_list[i]

print(‘ 下载第 %d 个英雄的图片 ’ % (i + 1))

save_path_temp = save_path + ‘\\’ + data[2]

for j in range(5, len(data)):

r = requests.get(data[j])

# 保留门路是否存在，若不存在则创立文件夹

try:

os.mkdir(save_path_temp)

except Exception as e:

print(e)

save_path_temp_image = save_path_temp + ‘\\image’ + str(j) + ‘.jpg’

# 下载图片并保留

with open(save_path_temp_image, ‘wb’) as f:

f.write(r.content)

f.close()