python爬取王者荣耀英雄的背景故事

2024-06-24 21:29| 来源: 网络整理| 查看: 265

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在这里插入图片描述

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：在这里插入图片描述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。在这里插入图片描述接着，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）：

在这里插入图片描述再点击一下，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)

在这里插入图片描述是可以成功获取的。

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，这不就得到了吗在这里插入图片描述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，这样就可以得到了在这里插入图片描述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~

在这里插入图片描述

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~'.format(hero_dream)) 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。

【本文地址】

公司简介

联系我们