本次爬取網站為opgg，網址為：” http://www.op.gg/champion/statistics”
由網站界面可以看出，右側有英雄的詳細信息，以Garen為例，勝率為53.84%，選取率為16.99%，常用位置為上單
現對網頁源代碼進行分析（右鍵鼠標在菜單中即可找到查看網頁源代碼）。通過查找“53.84%”快速定位Garen所在位置
由代碼可看出，英雄名、勝率及選取率都在td標簽中，而每一個英雄信息在一個tr標簽中，td父標簽為tr標簽，tr父標簽為tbody標簽。
對tbody標簽進行查找
代碼中共有5個tbody標簽（tbody標簽開頭結尾均有”tbody”，故共有10個”tbody”），對字段內容分析，分別為上單、打野、中單、ADC、輔助信息
以上單這部分英雄為例，我們需要首先找到tbody標簽，然后從中找到tr標簽（每一條tr標簽就是一個英雄的信息），再從子標簽td標簽中獲取英雄的詳細信息
二、爬取步驟
爬取網站內容->提取所需信息->輸出英雄數據
getHTMLText(url)->fillHeroInformation(hlist,html)->printHeroInformation(hlist)
getHTMLText(url)函數是返回url鏈接中的html內容
fillHeroInformation(hlist,html)函數是將html中所需信息提取出存入hlist列表中
printHeroInformation(hlist)函數是輸出hlist列表中的英雄信息
三、代碼實現
1、getHTMLText(url)函數
def getHTMLText(url): #返回html文檔信息
try:
r = requests.get(url,timeout = 30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text #返回html內容
except:
return ""
2、fillHeroInformation(hlist,html)函數
以一個tr標簽為例，tr標簽內有7個td標簽，第4個td標簽內屬性值為"champion-index-table__name"的div標簽內容為英雄名，第5個td標簽內容為勝率，第6個td標簽內容為選取率，將這些信息存入hlist列表中
def fillHeroInformation(hlist,html): #將英雄信息存入hlist列表
soup = BeautifulSoup(html,"html.parser")
for tr in soup.find(name = "tbody",attrs = "tabItem champion-trend-tier-TOP").children: #遍歷上單tbody標簽的兒子標簽
if isinstance(tr,bs4.element.Tag): #判斷tr是否為標簽類型，去除空行
tds = tr('td') #查找tr標簽下的td標簽
heroName = tds[3].find(attrs = "champion-index-table__name").string #英雄名
winRate = tds[4].string #勝率
pickRate = tds[5].string #選取率
hlist.append([heroName,winRate,pickRate]) #將英雄信息添加到hlist列表中
3、printHeroInformation(hlist)函數
def printHeroInformation(hlist): #輸出hlist列表信息
print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format("英雄名","勝率","選取率","位置"))
for i in range(len(hlist)):
i = hlist[i]
print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format(i[0],i[1],i[2],"上單"))
4、main()函數
網站地址賦值給url，新建一個hlist列表，調用getHTMLText(url)函數獲得html文檔信息，使用fillHeroInformation(hlist,html)函數將英雄信息存入hlist列表，再使用printHeroInformation(hlist)函數輸出信息
def main():
url = "http://www.op.gg/champion/statistics"
hlist = []
html = getHTMLText(url) #獲得html文檔信息
fillHeroInformation(hlist,html) #將英雄信息寫入hlist列表
printHeroInformation(hlist) #輸出信息
四、結果演示
1、網站界面信息
2、爬取結果
五、完整代碼
import requests #導入requests庫
import bs4 #導入bs4庫
from bs4 import BeautifulSoup #導入BeautifulSoup庫
def getHTMLText(url): #返回html文檔信息
try:
r = requests.get(url,timeout = 30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text #返回html內容
except:
return ""
def fillHeroInformation(hlist,html): #將英雄信息存入hlist列表
soup = BeautifulSoup(html,"html.parser")
for tr in soup.find(name = "tbody",attrs = "tabItem champion-trend-tier-TOP").children: #遍歷上單tbody標簽的兒子標簽
if isinstance(tr,bs4.element.Tag): #判斷tr是否為標簽類型，去除空行
tds = tr('td') #查找tr標簽下的td標簽
heroName = tds[3].find(attrs = "champion-index-table__name").string #英雄名
winRate = tds[4].string #勝率
pickRate = tds[5].string #選取率
hlist.append([heroName,winRate,pickRate]) #將英雄信息添加到hlist列表中
def printHeroInformation(hlist): #輸出hlist列表信息
print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format("英雄名","勝率","選取率","位置"))
for i in range(len(hlist)):
i = hlist[i]
print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format(i[0],i[1],i[2],"上單"))
def main():
url = "http://www.op.gg/champion/statistics"
hlist = []
html = getHTMLText(url) #獲得html文檔信息
fillHeroInformation(hlist,html) #將英雄信息寫入hlist列表
printHeroInformation(hlist) #輸出信息
main()
如果需要爬取打野、中單、ADC或者輔助信息，只需要修改
fillHeroInformation(hlist,html)
函數中的
for tr in soup.find(name = "tbody",attrs = "tabItem champion-trend-tier-TOP").children語句
將attrs屬性值修改為
"tabItem champion-trend-tier-JUNGLE"
"tabItem champion-trend-tier-MID"
"tabItem champion-trend-tier-ADC"
"tabItem champion-trend-tier-SUPPORT"
等即可!
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- Python爬蟲獲取op.gg英雄聯盟英雄對位勝率的源碼
- Python3爬蟲爬取英雄聯盟高清桌面壁紙功能示例【基于Scrapy框架】
- python 爬取英雄聯盟皮膚并下載的示例
- Python3爬取英雄聯盟英雄皮膚大圖實例代碼
- 用Python爬取LOL所有的英雄信息以及英雄皮膚的示例代碼
- python 爬取英雄聯盟皮膚圖片
