手把手教你使用Python网络爬虫获取王者荣耀英雄出装说明并自动化生成markdown文件-轻识

点击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

以我独沉久，愧君相见频。

大家好，我是Python进阶者。

一、前言

玩过王者荣耀游戏的小伙伴们都知道英雄出装是十分重要的事情，一个合理的出装，再加上铭文，可以让你在王者战场上势如破竹，unstoppable！

前几天在【明佬】群里看到他分享了一个使用Python网络爬虫获取王者荣耀英雄出装说明，并使用线程池的方式下载了出装图片，之后还自动化生成了markdown文件，干货内容很多，这里拿出来分享给大家，欢迎大家积极尝试。

二、数据获取

这里我们的目标网站是王者荣耀官网，如下图所示。

之后依次点击首页右侧中的【英雄/皮肤】的【更多】按钮，可以进入到详情页，如下图所示，点击【局内道具】就可以看到出装信息了，里边包含了我们想要的目标信息。

通过浏览器抓包，可以获取到具体的信息，可以看到存放在json格式中。

下图是数据详情截图，可以看到有中文乱码，这个不影响，起码数据是可以拿到的。

代码实现过程

找到数据源之后，接下来就是代码实现了，一起来看看吧，这里直接套用【明佬】代码，在jupyter notebook中跑的。

获取装备数据

import requests
import pandas as pd

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) '
                  'Chrome/88.0.4324.104 Safari/537.36 '
}
target = 'https://pvp.qq.com/web201605/js/item.json'
item_list = requests.get(target, headers=headers).json()
item_df = pd.DataFrame(item_list)
item_df.sort_values(["item_type", "price", "item_id"], inplace=True)
item_df.fillna("", inplace=True)
item_df.des1 = item_df.des1.str.replace("", "", regex=True)
item_df.des2 = item_df.des2.str.replace("", "", regex=True)
item_df

结果如下图所示：

多线程下载图片

接下来使用线程池的方法下载图片，图片的拼接方法也很简单，看下图就一目了然了。

下面是代码实现：

import os
from concurrent.futures import ThreadPoolExecutor


def download_img(item_id):
    if os.path.exists(f"imgs/{item_id}.jpg"):
        return
    imgurl = f"http://game.gtimg.cn/images/yxzj/img201606/itemimg/{item_id}.jpg"
    res = requests.get(imgurl)
    with open(f"imgs/{item_id}.jpg", "wb") as f:
        f.write(res.content)


os.makedirs("imgs", exist_ok=True)
with ThreadPoolExecutor(max_workers=8) as executor:
    nums = executor.map(download_img, item_df.item_id)

下载速度很快，几秒钟的事情，结果如下图所示：

接下来，我们将数据自动化生成Markdown文档，一起来看看吧。

生成Markdown文档

代码如下，前面部分是数据的预处理，后面是写入文件：

item_type_dict = {1: '攻击', 2: '法术', 3: '防御', 4: '移动', 5: '打野', 7: '游走'}
item_ids = item_df.item_id.values
item_df.item_id = item_df.item_id.apply(
    lambda item_id: f"![{item_id}](imgs/{item_id}.jpg)")
item_df.item_type = item_df.item_type.map(item_type_dict)
item_df.columns = ["图片", "装备名称", "类型", "售价", "总价", "基础描述", "扩展描述"]
item_df

写入文件的代码，生成Markdown文档：

with open("王者装备说明.md", "w") as f:
    for item_type, item_split in item_df.groupby("类型", sort=False):
        f.write(f"# {item_type}\n")
        item_split.drop(columns="类型", inplace=True)
        f.write(item_split.to_markdown(index=False))
        f.write("\n\n")

结果如下图所示：

之后在本地还会生成一个名为【王者装备说明.md】的Markdown文档，双击文件打开，内容如下图所示：

真是直呼好家伙！我在这一步实现的时候，遇到了一个报错，如下所示：

Missing optional dependency 'tabulate'.  Use pip or conda to install tabulate.

提示却少依赖库，只需要在cmd下进行安装即可pip install tabulate，之后就可以正常运行了。

生成Excel表格

不过Markdown的表格无法任意调整，图片需要点击后才会放大，下面我们考虑生成Excel表格：首先需要整理数据，代码如下：

item_df.图片 = ""
item_df.基础描述 = item_df.基础描述.str.replace("
", "\n")
item_df.扩展描述 = item_df.扩展描述.str.replace("
", "\n")
item_df

生成结果如下图所示：

之后将结果写入到Excel中去，代码如下所示：

# 写入Excel表格
from openpyxl.drawing.image import Image
from openpyxl.styles import Alignment

with pd.ExcelWriter("王者装备说明.xlsx", engine='openpyxl') as writer:
    item_df.to_excel(writer, sheet_name='装备说明', index=False)
    worksheet = writer.sheets['装备说明']
    worksheet.column_dimensions["A"].width = 11
    for item_id, (cell,) in zip(item_ids, worksheet.iter_rows(2, None, 1, 1)):
        worksheet.row_dimensions[cell.row].height = 67
        worksheet.add_image(Image(f"imgs/{item_id}.jpg"), f'A{cell.row}')
    worksheet.column_dimensions["F"].width = 15
    worksheet.column_dimensions["G"].width = 35
    writer.save()