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1:https://pvp.qq.com/web201605/herolist.shtml 目标网址2:https://pvp.qq.com/web201605/herodetail/{英雄编号}.shtml
全部王者英雄的英雄故事!
import os
import re
import bs4
import requests
import chardet
import logging
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
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'
}
def get_hero_num(url):
response = requests.get(url=url, headers=headers).text
hero_list = re.findall('"ename": (.+?),', response, re.S)
hero_name = re.findall('"cname": "(.+?)"', response, re.S)
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)
requests库,bs4库,chardet库(可选,但建议学一下)
url = 'https://pvp.qq.com/web201605/herodetail/538.shtml'
res = requests.get(url=url, headers=headers)
res.encoding = chardet.detect(res.content)['encoding']
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:
import os
import re
import bs4
import requests
import chardet
import logging
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s: %(message)s')
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'
}
def get_hero_num(url, hero_dream):
response = requests.get(url=url, headers=headers).text
hero_list = re.findall('"ename": (.+?),', response, re.S)
hero_name = re.findall('"cname": "(.+?)"', response, re.S)
hero_num = hero_name.index(hero_dream)
num = hero_list[hero_num]
return num
def get_story(num):
url = 'https://pvp.qq.com/web201605/herodetail/{}.shtml'.format(num)
res = requests.get(url=url, headers=headers)
res.encoding = chardet.detect(res.content)['encoding']
res = res.text
soup = bs4.BeautifulSoup(res, 'html.parser')
story = soup.select('.pop-bd')[0].text
story = story.replace(' ', '\n').replace('”', '\n').replace(' ', '')
story = story.encode(encoding='utf-8')
return story
def download(hero_dream, story):
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~~~
所以,我有故事,你有酒吗?
作者:远方的星 CSDN:https://blog.csdn.net/qq_44921056 本文仅用于交流学习,未经作者允许,禁止转载,更勿做其他用途,违者必究。
|