一篇文章教会你利用Python网络爬虫抓取王者荣耀图片

【一、项目背景】

王者荣耀作为当下最火的游戏之一，里面的人物信息更是惟妙惟肖，但受到官网的限制，想下载一张高清的图片很难。（图片有版权）。

以彼岸桌面这个网站为例，爬取王者荣耀图片的信息。

【二、项目目标】

实现将获取到的图片批量下载。

【三、涉及的库和网站】

1、网址如下：

http://www.netbian.com/s/wangzherongyao/index.htm/

2、涉及的库：requests、lxml

【四、项目分析】

首先需要解决如何对下一页的网址进行请求的问题。可以点击下一页的按钮，观察到网站的变化分别如下所示：

http://www.netbian.com/s/wangzherongyao/index_2.htmhttp://www.netbian.com/s/wangzherongyao/index_3.htmhttp://www.netbian.com/s/wangzherongyao/index_4.htm

观察到只有index_()变化，变化的部分用{}代替，再用for循环遍历这网址，实现多个网址请求。

 http://www.netbian.com/s/wangzherongyao/index_{}.htm

【五、项目实施】

1、我们定义一个class类继承object，然后定义init方法继承self，再定义一个主函数main继承self。准备url地址和请求头headers。

import requestsfrom lxml import etreeimport timeclass ImageSpider(object):    def __init__(self):        self.firsr_url = "http://www.netbian.com/s/wangzherongyao/index.htm"        self.url = "http://www.netbian.com/s/wangzherongyao/index_{}.htm"        self.headers = {            "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36"        }
    def main(self):        passif __name__ == '__main__':    spider= ImageSpider()    spider.main()

2、对网站发生请求。

'''发送请求  获取响应'''    def get_page(self, url):        res = requests.get(url=url, headers=self.headers)        html = res.content.decode("gbk") #网络编码        return html  #返回值

3、对请求到的数据进行处理

 '''解析数据'''def parse_page(self, html):        parse_html = etree.HTML(html)        image_src_list = parse_html.xpath('//div[@class="list"]/ul/li/a//@href')        for image_src in image_src_list:            fa = "http://www.netbian.com" + image_src            # print(fa)

4、在谷歌浏览器上，右键选择开发者工具或者按F12。

5、右键检查，找到图片二级的页面的链接，如下图所示。

6、对二级页面发生请求，for遍历得到的网址。

 bimg_url = parse_html1.xpath('//div[@class="pic-down"]/a/@href')        for i in bimg_url:               diet = "http://www.netbian.com" + i               # print(diet)               html2 = self.get_page(diet)               parse_html2 = etree.HTML(html2)               # print(parse_html2)               url2 =                    parse_html2.xpath('//table[@id="endimg"]//tr//td//a/img/@src')

7、将获取的图片写入文档，获取图片的title值作为图片的命名。

 filename = parse_html2.xpath('//table[@id="endimg"]//tr//td//a/@title')            for e in filename:                    # print(e)                    dirname = "./王者荣耀/" + e + '.jpg'                    html2 = requests.get(url=r, headers=self.headers).content                    # print(html2)                    print(dirname)                    with open(dirname, 'wb') as f:                        f.write(html2)                        print("%s下载成功" % filename)

8、在main方法调用，如下所示。因为第一页的网址是没有规律的，所以这里先判断一下是不是第一页。

def main(self):        startPage = int(input("起始页:"))        endPage = int(input("终止页:"))        for page in range(startPage, endPage + 1):            if page == 1:                url = self.firsr_url
            else:                url = self.url.format(page)            # print(url)            html = self.get_page(url)            print("第%s页爬取成功！！！！" % page)            # print(html)            self.parse_page(html)