30 行 Python 代码爬取英雄联盟全英雄皮肤
距离上次写爬虫文章已经过了许久了，之前写过一篇20行Python代码爬取王者荣耀全英雄皮肤 [1]，反响强烈，其中有很多同学希望我再写一篇针对英雄联盟官网的皮肤爬取，但苦于事情繁多，便一拖再拖，一直拖到了现在，那么本篇文章我们就一起来学习一下如何爬取英雄联盟全英雄皮肤。
爬取代码非常简单，从上到下可能只需要写30行左右就能完成，但重要的是分析过程，在此之前，我们先来了解一下本篇文章需要用到的模块。
requests模块介绍
首先是requests模块，这是一个模拟浏览器请求的模块，我们可以通过它来获取网页上的信息，比如百度：
import requestsurl = 'http://www.baidu.com'response = requests.get(url)print(response.text)
运行结果：
通过get函数就能够向指定参数的url发送请求，得到的response对象中封装了很多响应的信息，其中的text即为响应内容，注意到获取的内容里有乱码，这是编解码不一致造成的，只需先获取二进制数据，然后重新解码即可：
import requestsurl = 'http://www.baidu.com'response = requests.get(url)print(response.content.decode())
运行结果：
json模块
json模块可以对json字符串和Python数据类型进行相互转换，比如将json转换为Python对象：
import jsonjson_str = '{"name":"zhangsan","age":"20"}'rs = json.loads(json_str)print(type(rs))print(rs)
使用loads函数即可将json字符串转为字典类型，运行结果：
<class 'dict'>{'name': 'zhangsan', 'age': '20'}
而若是想将Python数据转为json字符串，也非常简单：
import jsonstr_dict = {'name': 'zhangsan', 'age': '20'}json_str = json.dumps(str_dict)print(type(json_str))print(json_str)
通过dumps函数即可将Python数据转为json字符串，运行结果：
<class 'str'>{"name": "zhangsan", "age": "20"}
准备工作
前面介绍了两个模块，通过这两个模块我们就能够完成这个程序了。在正式开始编写代码之前，我们首先需要分析数据来源，来到官网：https://lol.qq.com/main.shtml，往下拉找到英雄列表：
我们随意点击一个英雄进去查看：
在皮肤图片上右键点击检查：
这样就找到了这个皮肤的url，我们再选择第二个皮肤，看看它的url：
我们将安妮所有皮肤的url全部拿出来看看：
https://game.gtimg.cn/images/lol/act/img/skin/big1000.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1001.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1002.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1003.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1004.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1005.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1006.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1007.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1008.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1009.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1010.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1011.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big1012.jpg
从这些url中能发现什么规律呢？其实规律非常明显，url前面的内容都是一样的，唯一不同的是big1000.jpg，而每个皮肤图片就是在该url的基础上加1。
那么问题来了，它是如何区分这张图片所属的英雄的呢？我们观察浏览器上方的地址：
地址上有一个属性值id为1，那么我们可以猜测一下，皮肤图片url中的big1000.jpg是不是由英雄id和皮肤id共同组成的呢？
要想证明我们的猜想，就必须再去看看其它英雄皮肤是不是也满足这一条件：
打开烬的详情页面，其id为202，由此，烬的皮肤图片url最后部分应为：big ' + 202 + ' 皮肤编号.jpg，所以其url应为：
https://game.gtimg.cn/images/lol/act/img/skin/big202000.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big202001.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big202002.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big202003.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big202004.jpghttps://game.gtimg.cn/images/lol/act/img/skin/big202005.jpg
事实是不是如此呢？检查一下便知：
规律已经找到，但是我们还面临着诸多问题，比如每个英雄对应的id是多少呢？每个英雄又分别有多少个皮肤呢？
查询英雄id
先来解决第一个问题，每个英雄对应的id是多少？我们只能从官网首页中找找线索，在首页位置打开网络调试台：
点击Network，并选中XHR，XHR是浏览器与服务器请求数据所依赖的对象，所以通过它便能筛选出一些服务器的响应数据。此时我们刷新页面，在筛选出的内容发现了这么一个东西：
hero_list，英雄列表？这里面会不会存储着所有英雄的信息呢？
点击右侧的Response，得到了一串json字符串，我们将其解析一下：
这些数据里果然存储的是英雄的信息，包括名字、id、介绍等等，那么接下来我们的任务就是将英雄名字和id单独提取出来，过滤掉其它信息。
忘了告诉你们了，这个文件的url在这里可以找到：
接下来开始写代码：
import jsonimport requests# 定义一个列表，用于存放英雄名称和对应的idhero_id = []url = 'https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js?v=20'response = requests.get(url)text = response.text# 将json字符串转为列表hero_list = json.loads(text)['hero']# 遍历列表for hero in hero_list:# 定义一个字典hero_dict = {'name': hero['name'], 'id': hero['heroId']}# 将列表加入字典hero_id.append(hero_dict)print(hero_id)
首先通过requests模块请求该url，就能够获取到一个json字符串，然后使用json模块将该字符串转为Python中的列表，最后循环取出每个英雄的name和heroid属性，放入新定义的列表中，这个程序就完成了英雄id的提取。
查询皮肤个数
接下来解决第二个问题，如何知晓某个英雄究竟有多少个皮肤，按照刚才的思路，我们可以猜测一下，对于皮肤也应该会有一个文件存储着皮肤信息，在某个英雄的皮肤页面打开网络调试台，并选中XHR，刷新页面，找找线索：
找来找去确实找不到有哪个文件是跟皮肤有关系的，但是这里发现了一个31.js文件，而当前英雄的id也为31，这真的是巧合吗？我们将右边的json字符串解析一下：
该json数据中有一个skins属性，该属性值即为当前英雄的皮肤信息，既然找到了数据，那接下来就好办了，开始写代码：
import jsonimport requestsurl = 'https://game.gtimg.cn/images/lol/act/img/js/hero/31.js'response = requests.get(url)text = response.text# 将json字符串转为列表skins_list = json.loads(text)['skins']skin_num = len(skins_list)
源程序实现
准备工作已经完成了我们所有的前置任务，接下来就是在此基础上编写代码了：
import requestsimport jsonimport osfrom tqdm import tqdmtry:# 定义一个列表，用于存放英雄名称和对应的idhero_id = []skins = []url = 'https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js?v=20'response = requests.get(url)text = response.text# 将json字符串转为列表hero_list = json.loads(text)['hero']# 遍历列表for hero in hero_list:# 定义一个字典hero_dict = {'name': hero['name'], 'id': hero['heroId']}# 将列表加入字典hero_id.append(hero_dict)# 得到每个英雄对应的id后，即可获得英雄对应皮肤的url# 英雄id + 001# 遍历列表for hero in hero_id:# 得到英雄名字hero_name = hero['name']# 得到英雄idhero_id = hero['id']# 创建文件夹os.mkdir('C:/Users/Administrator/Desktop/lol/' + hero_name)# 进入文件夹os.chdir('C:/Users/Administrator/Desktop/lol/' + hero_name)# 得到id后即可拼接存储该英雄信息的urlhero_info_url = 'https://game.gtimg.cn/images/lol/act/img/js/hero/' + hero_id + '.js'# 通过访问该url获取英雄的皮肤数量text = requests.get(hero_info_url).textinfo_list = json.loads(text)# 得到皮肤名称skin_info_list = info_list['skins']skins.clear()for skin in skin_info_list:skins.append(skin['name'])# 获得皮肤数量skin_info_list = len(info_list)# 获得皮肤数量后，即可拼接皮肤的url，如：安妮的皮肤url为：# https://game.gtimg.cn/images/lol/act/img/skin/big1000.jpg ~ https://game.gtimg.cn/images/lol/act/img/skin/big1012s = ''for i in tqdm(range(skins_num), '正在爬取' + hero_name + '的皮肤'):if len(str(i)) == 1:s = '00' + str(i)elif len(str(i)) == 2:s = '0' + str(i)elif len(str(i)) == 3:pass# 拼接皮肤urlskin_url = 'https://game.gtimg.cn/images/lol/act/img/skin/big' + hero_id + '' + s + '.jpg'# 访问当前皮肤urlim = requests.get(skin_url)# 保存图片if im.status_code == 200:# 判断图片名称中是否带有'/'、'\'if '/' in skins[i] or '\\' in skins[i]:skins[i] = skins[i].replace('/', '')skins[i] = skins[i].replace('\\', '')with open(skins[i] + '.jpg', 'wb') as f:f.write(im.content)except:print('网络异常')
运行效果：
运行之前记得在桌面上创建一个lol文件夹，如果想改动的话也可以修改程序：
程序中还考虑到了一些其它情况，比如在爬取这个皮肤的时候会出现问题：
因为图片路径是以皮肤名字命名的，然而这个皮肤的名字中竟然有个/,它是会影响到我们的图片保存操作的，所以在保存前将斜杠替换成空字符即可。
还有一个问题就是即使是第一个皮肤，其编号也应该为000而不是0，所以还需要对其进行一个转化，让其始终是三位数。
最后
本篇文章同样继承了上篇文章精简的特点，抛去注释的话总共30行代码左右，程序当然还有一些其它地方可以进一步优化，这就交给大家自由发挥了。
文章代码已上传至GitHub：https://github.com/blizzawang/Spider_LOL，有什么好的建议，欢迎Issues。
References
[1] 20行Python代码爬取王者荣耀全英雄皮肤 : https://blizzawang.blog.csdn.net/article/details/103190981
本文分享自微信公众号 - ZackSock（ZackSock）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
