文章目录
前言
目标数据源分析
代码实现过程
1、代码框架
2、获取英雄编号及名称数据
3、获取英雄故事数据
完整代码
我只用了四个函数，《王者荣耀》就把每个英雄的背景故事递给了我
前言
学习爬虫，以下内容要学习：
成功安装了Python环境，这里我使用的是python 3.9
能够熟练掌握一种IDE，这里我使用的是Pycharm
能够熟练地安装第三方库，如requests库，但不限于此
能够掌握一些python的基础语法知识
能够养成遇到问题，多思考、多百度的习惯
目标数据源分析
目标地址：
目标地址1：https://pvp.qq.com/web201605/herolist.shtml
目标网址2：https://pvp.qq.com/web201605/herodetail/{英雄编号}.shtml
爬取目标：
全部王者英雄的英雄故事！
用到的基础库：
import os
import re
import bs4
import requests
import chardet # 可选，可不选
import logging # 可选，可不选
代码实现过程
1、代码框架
先看一下代码的整体结构：
这里我定义了三个全局变量，如果放到主函数里，可以使框架更清晰。
2、获取英雄编号及名称数据
首先，进入王者荣耀官网：https://pvp.qq.com/
按照以下步骤打开一个新的页面，得到第一个目标网址。
接着，进行第一个内容的爬取，英雄的名称和编号：
那我首先要知道，这个东西在哪，对不对？
如图所示（本来录的GIF，结果放不出来）：
再点击一下，便可以得到想要的URL
此处代码需要掌握的知识有：
requests库，re模块，正则表达式
import re
import requests
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/'
'537.36 (KHTML, like Gecko) Chrome/91.0.4472.164 Safari/537.36'
}
# 获取英雄名称及对应编号
def get_hero_num(url):
response = requests.get(url=url, headers=headers).text
hero_list = re.findall('"ename": (.+?),', response, re.S) # 得到英雄的编号列表
hero_name = re.findall('"cname": "(.+?)"', response, re.S) # 得到英雄的名字列表
return hero_name, hero_list
def main():
url = 'https://pvp.qq.com/web201605/js/herolist.json'
hero_name, hero_list = get_hero_num(url)
print('英雄名称为：\n', hero_name)
print('英雄编号为：\n', hero_list)
是可以成功获取的。
3、获取英雄故事数据
将英雄的编号，填入目标网址2对应的英雄编号处：
https://pvp.qq.com/web201605/herodetail/{英雄编号}.shtml
然后就访问这个页面咯（先用新英雄云缨试一下，对应编号为538）
此处代码需要掌握的知识有：
requests库，bs4库，chardet库（可选，但建议学一下）
url = 'https://pvp.qq.com/web201605/herodetail/538.shtml'# 进入英雄详细页面的链接
res = requests.get(url=url, headers=headers)
res.encoding = chardet.detect(res.content)['encoding'] # 统一字符编码，解决乱码问题
res = res.text
print(res)
你看，这不就得到了吗
下面就是对这部分的数据进行清洗。
也很简单，利用“美丽的汤”–BeautifulSoup库，在上述代码加上这三句：
soup = bs4.BeautifulSoup(res, 'html.parser')
story = soup.select('.pop-bd')[0].text
print(story)
芜湖，这样就可以得到了
故事的展现有点问题，但影响不大，一会再优化。
完整代码
我对上面代码加了一点点，改动，并没有一次性爬取所有的英雄的故事，而是根据用户的输入进行指定爬取。
贴上结果先，嘻嘻~
代码如下：
# -*- coding: UTF-8 -*-
# @Time: 2021/7/18 18:08
# @Author: 远方的星
# @CSDN: https://blog.csdn.net/qq_44921056
import os
import re
import bs4
import requests
import chardet
import logging
# 日志输出的基本配置
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s: %(message)s')
# 创建一个文件夹
path = './王者故事'
if not os.path.exists(path):
os.mkdir(path)
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/'
'537.36 (KHTML, like Gecko) Chrome/91.0.4472.164 Safari/537.36'
}
# 获取英雄名称及对应编号
def get_hero_num(url, hero_dream):
response = requests.get(url=url, headers=headers).text
# print(response)
hero_list = re.findall('"ename": (.+?),', response, re.S) # 得到英雄的编号列表
hero_name = re.findall('"cname": "(.+?)"', response, re.S) # 得到英雄的名字列表
hero_num = hero_name.index(hero_dream)
num = hero_list[hero_num] # 得到英雄序号
return num
# 根据编号获取英雄背景故事
def get_story(num):
url = 'https://pvp.qq.com/web201605/herodetail/{}.shtml'.format(num) # 进入英雄详细页面的链接
res = requests.get(url=url, headers=headers)
res.encoding = chardet.detect(res.content)['encoding'] # 统一字符编码，解决乱码问题
res = res.text
soup = bs4.BeautifulSoup(res, 'html.parser')
story = soup.select('.pop-bd')[0].text # 虚拟故事段
story = story.replace(' ', '\n').replace('”', '\n').replace(' ', '')
story = story.encode(encoding='utf-8')
return story
# 下载故事
def download(hero_dream, story): # 下载函数
file_name = hero_dream+'.txt'
file_path = path + '/' + file_name
with open(file_path, 'wb') as f:
f.write(story)
logging.info('{}的故事已经下载完成啦！感谢您的使用~')
f.close()
def main():
hero_dream = input("请输入你想查看的英雄故事：")
url = 'https://pvp.qq.com/web201605/js/herolist.json'
num = get_hero_num(url, hero_dream)
story = get_story(num)
download(hero_dream, story)
if __name__ == '__main__':
main()
希望能对你有所帮助~~~