30行代码爬取英雄联盟全英雄皮肤

wangweijun

发布于 2022-01-10 15:38:16

2K0

发布于 2022-01-10 15:38:16

文章被收录于专栏：wangweijun

距离上次写爬虫文章已经过了许久了，之前写过一篇20行Python代码爬取王者荣耀全英雄皮肤，反响强烈，其中有很多同学希望我再写一篇针对英雄联盟官网的皮肤爬取，但苦于事情繁多，便一拖再拖，一直拖到了现在，那么本篇文章我们就一起来学习一下如何爬取英雄联盟全英雄皮肤。

爬取代码非常简单，从上到下可能只需要写30行左右就能完成，但重要的是分析过程，在此之前，我们先来了解一下本篇文章需要用到的模块。

requests模块介绍

首先是requests模块，这是一个模拟浏览器请求的模块，我们可以通过它来获取网页上的信息，比如百度：

import requests

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

运行结果：

通过get函数就能够向指定参数的url发送请求，得到的response对象中封装了很多响应的信息，其中的text即为响应内容，注意到获取的内容里有乱码，这是编解码不一致造成的，只需先获取二进制数据，然后重新解码即可：

import requests

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

运行结果：

json模块

json模块可以对json字符串和Python数据类型进行相互转换，比如将json转换为Python对象：

import json

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

使用loads函数即可将json字符串转为字典类型，运行结果：

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

而若是想将Python数据转为json字符串，也非常简单：

import json

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

通过dumps函数即可将Python数据转为json字符串，运行结果：

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

准备工作

前面介绍了两个模块，通过这两个模块我们就能够完成这个程序了。在正式开始编写代码之前，我们首先需要分析数据来源，来到官网：https://lol.qq.com/main.shtml，往下拉找到英雄列表：

我们随意点击一个英雄进去查看：

在皮肤图片上右键点击检查：

这样就找到了这个皮肤的url，我们再选择第二个皮肤，看看它的url：

我们将安妮所有皮肤的url全部拿出来看看：

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

从这些url中能发现什么规律呢？其实规律非常明显，url前面的内容都是一样的，唯一不同的是big1000.jpg，而每个皮肤图片就是在该url的基础上加1。

那么问题来了，它是如何区分这张图片所属的英雄的呢？我们观察浏览器上方的地址：

地址上有一个属性值id为1，那么我们可以猜测一下，皮肤图片url中的big1000.jpg是不是由英雄id和皮肤id共同组成的呢？

要想证明我们的猜想，就必须再去看看其它英雄皮肤是不是也满足这一条件：

打开烬的详情页面，其id为202，由此，烬的皮肤图片url最后部分应为：big ' + 202 + ' 皮肤编号.jpg，所以其url应为：

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

事实是不是如此呢？检查一下便知：

规律已经找到，但是我们还面临着诸多问题，比如每个英雄对应的id是多少呢？每个英雄又分别有多少个皮肤呢？

查询英雄id

先来解决第一个问题，每个英雄对应的id是多少？我们只能从官网首页中找找线索，在首页位置打开网络调试台：

点击Network，并选中XHR，XHR是浏览器与服务器请求数据所依赖的对象，所以通过它便能筛选出一些服务器的响应数据。此时我们刷新页面，在筛选出的内容发现了这么一个东西：

hero_list，英雄列表？这里面会不会存储着所有英雄的信息呢？

点击右侧的Response，得到了一串json字符串，我们将其解析一下：

这些数据里果然存储的是英雄的信息，包括名字、id、介绍等等，那么接下来我们的任务就是将英雄名字和id单独提取出来，过滤掉其它信息。

忘了告诉你们了，这个文件的url在这里可以找到：

接下来开始写代码：

import json
import requests

# 定义一个列表，用于存放英雄名称和对应的id
hero_id = []
url = 'https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js?v=20'
response = requests.get(url)
text = response.text
# 将json字符串转为列表
hero_list = json.loads(text)['hero']
# 遍历列表
for hero in hero_list:
    # 定义一个字典
    hero_dict = {'name': hero['name'], 'id': hero['heroId']}
    # 将列表加入字典
    hero_id.append(hero_dict)

print(hero_id)

首先通过requests模块请求该url，就能够获取到一个json字符串，然后使用json模块将该字符串转为Python中的列表，最后循环取出每个英雄的name和heroid属性，放入新定义的列表中，这个程序就完成了英雄id的提取。

查询皮肤个数

接下来解决第二个问题，如何知晓某个英雄究竟有多少个皮肤，按照刚才的思路，我们可以猜测一下，对于皮肤也应该会有一个文件存储着皮肤信息，在某个英雄的皮肤页面打开网络调试台，并选中XHR，刷新页面，找找线索：

找来找去确实找不到有哪个文件是跟皮肤有关系的，但是这里发现了一个31.js文件，而当前英雄的id也为31，这真的是巧合吗？我们将右边的json字符串解析一下：

该json数据中有一个skins属性，该属性值即为当前英雄的皮肤信息，既然找到了数据，那接下来就好办了，开始写代码：

import json
import requests

url = 'https://game.gtimg.cn/images/lol/act/img/js/hero/31.js'
response = requests.get(url)
text = response.text
# 将json字符串转为列表
skins_list = json.loads(text)['skins']
skin_num = len(skins_list)

源程序实现

准备工作已经完成了我们所有的前置任务，接下来就是在此基础上编写代码了：

import requests
import json
import os
import traceback
from tqdm import tqdm


def spider_lol():
    # 定义一个列表，用于存放英雄名称和对应的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
    # 将json字符串转为列表
    hero_list = json.loads(text)['hero']
    # 遍历列表
    for hero in hero_list:
        # 定义一个字典
        hero_dict = {'name': hero['name'], 'id': hero['heroId']}
        # 将列表加入字典
        hero_id.append(hero_dict)
    # 得到每个英雄对应的id后，即可获得英雄对应皮肤的url
    # 英雄id + 001
    # 遍历列表
    for hero in hero_id:
        # 得到英雄名字
        hero_name = hero['name']
        # 得到英雄id
        hero_id = hero['id']
        # 创建文件夹
        os.mkdir('C:/Users/Administrator/Desktop/lol/' + hero_name)
        # 进入文件夹
        os.chdir('C:/Users/Administrator/Desktop/lol/' + hero_name)
        # 得到id后即可拼接存储该英雄信息的url
        hero_info_url = 'https://game.gtimg.cn/images/lol/act/img/js/hero/' + hero_id + '.js'
        # 通过访问该url获取英雄的皮肤数量
        text = requests.get(hero_info_url).text
        info_list = json.loads(text)
        # 得到皮肤名称
        skin_info_list = info_list['skins']
        skins.clear()
        for skin in skin_info_list:
            skins.append(skin['name'])
        # 获得皮肤数量
        skins_num = len(skin_info_list)
        # 获得皮肤数量后，即可拼接皮肤的url，如：安妮的皮肤url为：
        # 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 + '的皮肤'):
            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:
                # 拼接皮肤url
                skin_url = 'https://game.gtimg.cn/images/lol/act/img/skin/big' + hero_id + '' + s + '.jpg'
                # 访问当前皮肤url
                im = requests.get(skin_url)
            except:
                # 某些英雄的炫彩皮肤没有url，所以直接终止当前url的爬取，进入下一个
                continue
            # 保存图片
            if im.status_code == 200:
                # 判断图片名称中是否带有'/'、'\'
                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:
        # 打印异常信息
        print(e)


if __name__ == '__main__':
    main()

运行效果：