python爬取率_利用Python爬取OPGG上英雄联盟英雄胜率及选取率信息

一、分析网站内容

由网站界面可以看出，右侧有英雄的详细信息，以Garen为例，胜率为53.84%，选取率为16.99%，常用位置为上单

现对网页源代码进行分析(右键鼠标在菜单中即可找到查看网页源代码)。通过查找“53.84%”快速定位Garen所在位置

由代码可看出，英雄名、胜率及选取率都在td标签中，而每一个英雄信息在一个tr标签中，td父标签为tr标签，tr父标签为tbody标签。

对tbody标签进行查找

代码中共有5个tbody标签(tbody标签开头结尾均有”tbody”，故共有10个”tbody”)，对字段内容分析，分别为上单、打野、中单、ADC、辅助信息

以上单这部分英雄为例，我们需要首先找到tbody标签，然后从中找到tr标签(每一条tr标签就是一个英雄的信息)，再从子标签td标签中获取英雄的详细信息

二、爬取步骤

爬取网站内容->提取所需信息->输出英雄数据

getHTMLText(url)->fillHeroInformation(hlist,html)->printHeroInformation(hlist)

getHTMLText(url)函数是返回url链接中的html内容

fillHeroInformation(hlist,html)函数是将html中所需信息提取出存入hlist列表中

printHeroInformation(hlist)函数是输出hlist列表中的英雄信息

三、代码实现

1、getHTMLText(url)函数

1 def getHTMLText(url): #返回html文档信息

2 try:3 r = requests.get(url,timeout = 30)4 r.raise_for_status()5 r.encoding =r.apparent_encoding6 return r.text #返回html内容

7 except:8 return ""

2、fillHeroInformation(hlist,html)函数

以一个tr标签为例，tr标签内有7个td标签，第4个td标签内属性值为"champion-index-table__name"的div标签内容为英雄名，第5个td标签内容为胜率，第6个td标签内容为选取率，将这些信息存入hlist列表中

1 def fillHeroInformation(hlist,html): #将英雄信息存入hlist列表

2 soup = BeautifulSoup(html,"html.parser")3 for tr in soup.find(name = "tbody",attrs = "tabItem champion-trend-tier-TOP").children: #遍历上单tbody标签的儿子标签

4 if isinstance(tr,bs4.element.Tag): #判断tr是否为标签类型，去除空行

5 tds = tr('td') #查找tr标签下的td标签

6 heroName = tds[3].find(attrs = "champion-index-table__name").string #英雄名

7 winRate = tds[4].string #胜率

8 pickRate = tds[5].string #选取率

9 hlist.append([heroName,winRate,pickRate]) #将英雄信息添加到hlist列表中

3、printHeroInformation(hlist)函数

1 def printHeroInformation(hlist): #输出hlist列表信息

2 print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format("英雄名","胜率","选取率","位置"))3 for i inrange(len(hlist)):4 i =hlist[i]5 print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format(i[0],i[1],i[2],"上单"))

4、main()函数

网站地址赋值给url，新建一个hlist列表，调用getHTMLText(url)函数获得html文档信息，使用fillHeroInformation(hlist,html)函数将英雄信息存入hlist列表，再使用printHeroInformation(hlist)函数输出信息

1 defmain():2 url = "http://www.op.gg/champion/statistics"

3 hlist =[]4 html = getHTMLText(url) #获得html文档信息

5 fillHeroInformation(hlist,html) #将英雄信息写入hlist列表

6 printHeroInformation(hlist) #输出信息

四、结果演示

1、网站界面信息

2、爬取结果

五、完整代码

1 import requests #导入requests库

2 import bs4 #导入bs4库

3 from bs4 import BeautifulSoup #导入BeautifulSoup库

5 def getHTMLText(url): #返回html文档信息

6 try:7 r = requests.get(url,timeout = 30)8 r.raise_for_status()9 r.encoding =r.apparent_encoding10 return r.text #返回html内容

11 except:12 return ""

14 def fillHeroInformation(hlist,html): #将英雄信息存入hlist列表

15 soup = BeautifulSoup(html,"html.parser")16 for tr in soup.find(name = "tbody",attrs = "tabItem champion-trend-tier-TOP").children: #遍历上单tbody标签的儿子标签

17 if isinstance(tr,bs4.element.Tag): #判断tr是否为标签类型，去除空行

18 tds = tr('td') #查找tr标签下的td标签

19 heroName = tds[3].find(attrs = "champion-index-table__name").string #英雄名

20 winRate = tds[4].string #胜率

21 pickRate = tds[5].string #选取率

22 hlist.append([heroName,winRate,pickRate]) #将英雄信息添加到hlist列表中

24 def printHeroInformation(hlist): #输出hlist列表信息

25 print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format("英雄名","胜率","选取率","位置"))26 for i inrange(len(hlist)):27 i =hlist[i]28 print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format(i[0],i[1],i[2],"上单"))29

30 defmain():31 url = "http://www.op.gg/champion/statistics"

32 hlist =[]33 html = getHTMLText(url) #获得html文档信息

34 fillHeroInformation(hlist,html) #将英雄信息写入hlist列表

35 printHeroInformation(hlist) #输出信息

37 main()

如果需要爬取打野、中单、ADC或者辅助信息，只需要修改

fillHeroInformation(hlist,html)函数中的

for tr in soup.find(name = "tbody",attrs = "tabItem champion-trend-tier-TOP").children语句，将attrs属性值修改为

"tabItem champion-trend-tier-JUNGLE"、"tabItem champion-trend-tier-MID"、"tabItem champion-trend-tier-ADC"、"tabItem champion-trend-tier-SUPPORT"等即可

转载请声明原作者并附上原文链接！