本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

以下文章来源于可以叫我才哥，作者可以叫我才哥

1.概述

《王者荣耀》上线至今5个年头了，作为这些年国内最热门的手游（没有之一），除了带来游戏娱乐之外，我们在这五周年之际，试着从他们的官网找点乐趣，学习一下Python爬虫的一些简单基础操作。

本篇将主要介绍简单的Python爬虫，包括网页分析、数据请求、数据解析和数据保存，适用于基本不带反爬的一些网站，旨在进行学习交流，请勿用作任何商业非法用途。

网页分析其实就是打开你需要请求数据的网页，然后「F12」看下这个网页源数据长啥样（如果你会web知识会更好处理，不过我没系统学过，操作多了就熟悉一点）；

数据请求我们用人见人爱的「requests」库，关于该库的更详细用法大家可以去查询该链接了解(https://requests.readthedocs.io/zh_CN/latest/)；

数据解析一般视请求的数据格式而定，如果请求的数据是html格式，我将介绍「bs4」和「xpath」两种方式进行解析，若请求的数据是json格式，我将介绍json和eval两种方式进行解析；

数据保存这里分为两种情况，如果是图片类会用到「open」和「write」函数方法，若是文本类的我会用到pandas的「to_excel」保存为表单格式。

2.网页分析

我们在概述说提到请求的数据会有html格式或者json格式，两种情况下其实对应的真实请求地址是有差异的，怎么判断呢，作为初学者我的个人经验就是去试试，本章节两种尝试方案都会介绍，大家在实操中视情况而选吧！

2.1.html页面源数据

以下面这张英雄列表页面为例，按住“「F12」”，然后点一下开发者模式中左上角的那个有鼠标箭头的图标，再在左侧选取你需要的数据区域，在开发者模式区域就会出现这个数据区域的数据信息，比如这里的“详情页地址”、“头像图片地址”和“名称”，我们需要的也算这些信息，所以可以直接请求该链接即可。

2.2.json源数据

对于局内道具列表数据，我们发现上述方案无法获取，那么这种情况下我们可以选择开发者模式中的「Network——>XHR」，然后刷新页面，在name里找啊找，一般就能到了某个数据是我们需要的。

点「Preview」发现里面正是我们需要的源数据，然后在「Headers」里可以找到请求到该源数据的真实链接地址，这里数据请求方式为「get」，我们下一节会介绍。

3.数据请求

我们提到这里用 requests 库进行数据请求，requests 有两种比较常用的请求方式：post和get。刚好这里我们用的到就是get一种即可，另外请求的时候可带很多参数，比如请求头、cookie等等，具体大家查概述中链接文档了解吧。

简单的例子：

import requests
#英雄列表页地址
url = 'https://pvp.qq.com/web201605/herolist.shtml'
resp = requests.get(url)
#设置解码方式（由于请求的数据中文乱码，这里进行解码）
resp.encoding=resp.apparent_encoding

请求到的html源数据

import requests
#局内道具详情页地址
url = 'https://pvp.qq.com/web201605/js/item.json'
resp = requests.get(url)
#设置解码方式（由于请求的数据中文乱码，这里进行解码）
resp.encoding=resp.apparent_encoding

局内道具json数据

4.数据解析

对于不同的源数据解析方式不同，html数据解析这里介绍两种比较常用的入门级方式「bs4」和「xpath」，对于「json」数据其实相对来说更好处理，这里介绍两种简单的方式利用「json」和「eval」。

4.1.html数据解析

4.1.1.bs4

Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库，它能够通过你喜欢的转换器实现惯用的文档导航、查找、修改文档的方式。

更多操作详情大家可以去看（https://beautifulsoup.readthedocs.io/zh_CN/v4.4.0/）~

看html数据结构，我们可以找到想要的数据在「ul」节点，满足「class="herolist clearfix"「下的全部」li」节点中。对于bs4来说，可以用「find_all」方法去定位。（更多解释见代码注释哦）

# bs4 解析
from bs4 import BeautifulSoup
# 先将请求到的数据转化为BeautifulSoup对象
soup = BeautifulSoup(resp.text,'html.parser')
# 定位全部的满足 class = "herolist clearfix"，由于class是关键字所以这里用class_
# 返回结果只有1个的列表，因此取索引0
ul = soup.find_all('ul', class_="herolist clearfix")[0]
# 定位 ul 下面全部的 li，li中藏着我们需要的数据信息
lis = ul.find_all('li')
# 创建一个空表用于存储数据
herolists = []
# 遍历全部的li
for li in lis:# 创建空字典，用于存储 英雄列表信息herolist = {}# get_text() 获取节点下面的文案部分herolist['英雄名称'] = li.get_text()# get() 获取 具体值，英雄详情页地址在 li节点的子节点a下面herolist['英雄详情页'] = li.find('a').get('href')herolist['英雄头像'] = li.find('a').find('img').get('src')herolists.append(herolist)

数据解析结果

4.1.2.xpath

XPath 是一门在 XML 文档中查找信息的语言，可用来在 XML 文档中对元素和属性进行遍历。更多语法操作可以查看（https://www.w3school.com.cn/xpath/xpath_syntax.asp ）。

由于本质过程上和bs4差不多，只是语法函数操作不太同，这里不做详细介绍，直接看代码了解下先。

# xpath 解析
from lxml import etreehtml = etree.HTML(resp.text)
html_ul = html.xpath('//ul[@class="herolist clearfix"]')[0]
html_lis = html_ul.xpath('./li')
herolists = []for html_li in html_lis:herolist = {}herolist['英雄名称'] = html_li.xpath('./a/text()')[0]herolist['英雄详情页'] = html_li.xpath('./a/@href')[0]herolist['英雄头像'] = html_li.xpath('./a/img/@src')[0]herolists.append(herolist)

4.2.json数据解析

在请求的数据是json格式时，直接查看数据类型发现是str，如下：

我们可采用json.loads()和eval方法将其转化为列表的形式，该列表和上面html数据解析后的结果格式一样。

import jsonjs = resp.text
# json.loads() 处理
li = json.loads(js)
# 直接 eval() 处理
lis = eval(js)

json数据解析

5.数据保存

对于图片类数据，请求图片数据然后写入本地保存；对于文本数据表单，转化为dataframe类型存为excel文件（需要用到pandas库）。

5.1.存储图片类数据

我们在英雄列表中有英雄头像数据，这里演示将英雄头像数据存入本地。

# 遍历数据解析中 英雄列表
for li in herolists:# 获取英雄头像网页地址# 如'//game.gtimg.cn/images/yxzj/img201606/heroimg/506/506.jpg'head_url = li['英雄头像']# 组合 https：url = f'https:{head_url}'# 获取该英雄名称，用于赋值给图片文件名称head_name = li['英雄名称']# 请求图片数据head_data = requests.get(url)# 设置存储图片的全路径head_path = f'保存地址'# 打开空文件写入图片数据open(head_path, 'wb').write(head_data.content)

英雄头像图片数据存储

5.2.文本数据表单存储

import pandas as pd
# 列表转化为dataframe类型
df = pd.DataFrame(li)

数据预览

# 由于数据中存在一些网页符号，作为 菜鸟的我只会用replace简单替换
df['des1'] = df['des1'].str.replace('<br>','，').str.replace('<p>','').str.replace('</p>','')
df['des2'] = df['des2'].str.replace('<br>','，').str.replace('<p>','').str.replace('</p>','')
# 存为表格，页签取名为“装备数据信息list”
df.to_excel(r'地址',index=False,sheet_name='装备数据信息list')