[python爬虫]爬取英雄联盟所有英雄数据并下载所有英雄皮肤

第一次在CSDN上写博客，望大家多多关照。
代码部分主要分为四大块
“”"
这是要用到的库。

from bs4 import BeautifulSoup		# 网页解析，获取数据
import re		# 正则表达式，进行文字匹配
import urllib.request
import urllib.error		# 指定URL，获取网络数据
import xlwt		# 进行excel操作
import sqlite3		# 进行SQLite数据库操作
import json		# json类型解码
import requests
import os

1.爬取网页

def ask_url(url):
	"""
	访问URL
	:return:data
	"""
	# 伪装chrome的请求头
	header = {
		"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Safari/537.36"
	}
	req = urllib.request.Request(url=url, headers=header)
	html = ""
	try:
		response = urllib.request.urlopen(req)
		html = response.read().decode()
	except urllib.error.URLError as e:
		if hasattr(e, "code"):
			print(e.code)
		if hasattr(e, "reason"):
			print(e.reason)
	return html

2.解析数据

刚开始在用正则表达式匹配的英雄的中文名，打印出来的始终是一串bytes类型数据，不能直接显示中文，后来发现匹配到的bytes数据前有一个空数据，打印不显示出来。现在暂时想到的只是将第一个数据剔除，然后剩下的转成16进制，一个个去chr()它。如果有更好的想法，欢迎留言评论。

# 正则表达式匹配查找所有英雄id
find_hero_id = re.compile(r'{"heroId":"(\d*)",')		# 英雄id
find_name = re.compile(r'"name":"(.*)","alias')			# 英雄名字
find_title = re.compile(r'"title":"(.*)","roles')		# title
find_alias = re.compile(r'"alias":"(.*)","title')		# 英雄别名
find_roles = re.compile(r'"roles":(.*),"shortBio')		# roles
find_skin_id = re.compile(r'"skinId":"(\d*)",')			# 皮肤id
find_chromas_BelongId = re.compile(r'"chromasBelongId":"(\d*)",')

def get_data(base_url):
	"""
	获得数据并解析
	:return:
	"""
	data_list = []
	list_url = "https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js"
	hero_list = ask_url(list_url)

	# 解析网页获取英雄id
	js = json.dumps(hero_list, sort_keys=True, ensure_ascii=False, indent=3)
	js = json.loads(js, encoding="utf-8")
	# print(js)
	hero_id = re.findall(find_hero_id, js)
	# print(hero_id)

	# for i in range(100, 101):
	for i in range(len(hero_id)):
		data = []
		data.append(hero_id[i])			# 添加英雄id
		url = base_url + hero_id[i] + ".js"
		html = ask_url(url)

		# 英雄名字
		name = re.findall(find_name, html)[0]
		# strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。
		# split() 方法可以实现将一个字符串按照指定的分隔符切分成多个子串，这些子串会被保存到列表中（不包含分隔符），作为方法的返回值反馈回来
		# print(name.strip().split(r'\u'))
		# print(name.encode('unicode_escape').decode('utf8'))
		temp_name = name.split(r'\u')[1:]
		# print(''.join([chr(int(s, 16))for s in temp_name]))
		hero_name = ''.join([chr(int(s, 16))for s in temp_name])
		data.append(hero_name)			# 添加英雄名字
		# print(hero_name)

		# 英雄title
		title = re.findall(find_title, html)[0]
		temp_title = title.split(r'\u')[1:]
		hero_title = ''.join([chr(int(s, 16))for s in temp_title])
		data.append(hero_title)
		# print(hero_title)

		# 英雄alias
		alias = re.findall(find_alias, html)[0]
		data.append(alias)
		# print(alias)

		# 英雄作用
		roles = re.findall(find_roles, html)[0]
		data.append(roles)
		# print(roles)

		# 皮肤id
		skin_id = re.findall(find_skin_id, html)
		chromas_belongid = re.findall(find_chromas_BelongId, html)
		for n in range(len(chromas_belongid)):
			if chromas_belongid[n] == '0':
				base_skin_url = 'https://game.gtimg.cn/images/lol/act/img/skin/big'
				skin_url = base_skin_url + skin_id[n] + '.jpg'
				data.append(skin_url)
				# print(skin_url)
		# print(chromas_belongid)
		# print(skin_id)
		# print(data)
		# print(html)
		data_list.append(data)
	return data_list

3.保存数据

将获取的数据保存成excel格式。这里要用到xlwt库。
数据只获取这些，如果还要获取一些英雄属性（红条，蓝条之类的）可以用正则表达式去匹配他们。

def save_data(data_list, save_path):
	"""
	保存数据
	:return:
	"""
	# 创建workbook对象
	workbook = xlwt.Workbook(encoding='utf-8', style_compression=0)
	sheet = workbook.add_sheet('LOL英雄资料', cell_overwrite_ok=True)  # 创建工作表
	col = ('英雄ID', '英雄名', '别名', '英文名', '作用', '皮肤链接')
	for i in range(len(col)):
		sheet.write(0, i, col[i])
	for m in range(len(data_list)):
		print("写入第%d条" % m)
		data = data_list[m]
		for n in range(len(data)):
			sheet.write(m + 1, n, data[n])
	workbook.save(save_path)

4.下载图片

这个函数是下载所有的英雄皮肤，每个英雄一个文件夹。

def save_image(data_list):
	"""
	保存英雄皮肤图片
	:return:
	"""
	save_path = '.\\英雄皮肤'
	for i in range(len(data_list)):
		data =data_list[i]
		print('下载第%d个英雄的图片' % (i + 1))
		save_path_temp = save_path + '\\' + data[2]
		for j in range(5, len(data)):
			r = requests.get(data[j])

			# 保存路径是否存在，若不存在则创建文件夹
			try:
				os.mkdir(save_path_temp)
			except Exception as e:
				print(e)

			save_path_temp_image = save_path_temp + '\\image' + str(j) + '.jpg'

			# 下载图片并保存
			with open(save_path_temp_image, 'wb') as f:
				f.write(r.content)
				f.close()

运行程序，下载的皮肤图片。

完整的程序正在审核，稍后会给链接。
“”"