1. 程式人生 > >利用Python爬取OPGG上英雄聯盟英雄勝率及選取率資訊

利用Python爬取OPGG上英雄聯盟英雄勝率及選取率資訊

一、分析網站內容

本次爬取網站為opgg,網址為:” http://www.op.gg/champion/statistics”

由網站介面可以看出,右側有英雄的詳細資訊,以Garen為例,勝率為53.84%,選取率為16.99%,常用位置為上單

現對網頁原始碼進行分析(右鍵滑鼠在選單中即可找到檢視網頁原始碼)。通過查詢“53.84%”快速定位Garen所在位置

由程式碼可看出,英雄名、勝率及選取率都在td標籤中,而每一個英雄資訊在一個tr標籤中,td父標籤為tr標籤,tr父標籤為tbody標籤。

對tbody標籤進行查詢

程式碼中共有5個tbody標籤(tbody標籤開頭結尾均有”tbody”,故共有10個”tbody”),對欄位內容分析,分別為上單、打野、中單、ADC、輔助資訊

以上單這部分英雄為例,我們需要首先找到tbody標籤,然後從中找到tr標籤(每一條tr標籤就是一個英雄的資訊),再從子標籤td標籤中獲取英雄的詳細資訊

二、爬取步驟

爬取網站內容->提取所需資訊->輸出英雄資料

getHTMLText(url)->fillHeroInformation(hlist,html)->printHeroInformation(hlist)

getHTMLText(url)函式是返回url連結中的html內容

fillHeroInformation(hlist,html)函式是將html中所需資訊提取出存入hlist列表中

printHeroInformation(hlist)函式是輸出hlist列表中的英雄資訊

三、程式碼實現

1、getHTMLText(url)函式

1 def getHTMLText(url): #返回html文件資訊
2     try:
3         r = requests.get(url,timeout = 30)
4         r.raise_for_status()
5         r.encoding = r.apparent_encoding
6         return r.text #返回html內容
7     except:
8         return ""

2、fillHeroInformation(hlist,html)函式

以一個tr標籤為例,tr標籤內有7個td標籤,第4個td標籤內屬性值為"champion-index-table__name"的div標籤內容為英雄名,第5個td標籤內容為勝率,第6個td標籤內容為選取率,將這些資訊存入hlist列表中

1 def fillHeroInformation(hlist,html): #將英雄資訊存入hlist列表
2     soup = BeautifulSoup(html,"html.parser")
3     for tr in soup.find(name = "tbody",attrs = "tabItem champion-trend-tier-TOP").children: #遍歷上單tbody標籤的兒子標籤
4         if isinstance(tr,bs4.element.Tag): #判斷tr是否為標籤型別,去除空行
5             tds = tr('td') #查詢tr標籤下的td標籤
6             heroName = tds[3].find(attrs = "champion-index-table__name").string #英雄名
7             winRate = tds[4].string #勝率
8             pickRate = tds[5].string #選取率
9             hlist.append([heroName,winRate,pickRate]) #將英雄資訊新增到hlist列表中

3、printHeroInformation(hlist)函式

1 def printHeroInformation(hlist): #輸出hlist列表資訊
2     print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format("英雄名","勝率","選取率","位置"))
3     for i in range(len(hlist)):
4         i = hlist[i]
5         print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format(i[0],i[1],i[2],"上單"))

4、main()函式

網站地址賦值給url,新建一個hlist列表,呼叫getHTMLText(url)函式獲得html文件資訊,使用fillHeroInformation(hlist,html)函式將英雄資訊存入hlist列表,再使用printHeroInformation(hlist)函式輸出資訊

1 def main():
2     url = "http://www.op.gg/champion/statistics"
3     hlist = []
4     html = getHTMLText(url) #獲得html文件資訊
5     fillHeroInformation(hlist,html) #將英雄資訊寫入hlist列表
6     printHeroInformation(hlist) #輸出資訊

四、結果演示

1、網站介面資訊

2、爬取結果

五、完整程式碼

 1 import requests
 2 import re
 3 import bs4
 4 from bs4 import BeautifulSoup
 5 
 6 def getHTMLText(url): #返回html文件資訊
 7     try:
 8         r = requests.get(url,timeout = 30)
 9         r.raise_for_status()
10         r.encoding = r.apparent_encoding
11         return r.text #返回html內容
12     except:
13         return ""
14 
15 def fillHeroInformation(hlist,html): #將英雄資訊存入hlist列表
16     soup = BeautifulSoup(html,"html.parser")
17     for tr in soup.find(name = "tbody",attrs = "tabItem champion-trend-tier-TOP").children: #遍歷上單tbody標籤的兒子標籤
18         if isinstance(tr,bs4.element.Tag): #判斷tr是否為標籤型別,去除空行
19             tds = tr('td') #查詢tr標籤下的td標籤
20             heroName = tds[3].find(attrs = "champion-index-table__name").string #英雄名
21             winRate = tds[4].string #勝率
22             pickRate = tds[5].string #選取率
23             hlist.append([heroName,winRate,pickRate]) #將英雄資訊新增到hlist列表中
24 
25 def printHeroInformation(hlist): #輸出hlist列表資訊
26     print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format("英雄名","勝率","選取率","位置"))
27     for i in range(len(hlist)):
28         i = hlist[i]
29         print("{:^20}\t{:^20}\t{:^20}\t{:^20}".format(i[0],i[1],i[2],"上單"))
30 
31 def main():
32     url = "http://www.op.gg/champion/statistics"
33     hlist = []
34     html = getHTMLText(url) #獲得html文件資訊
35     fillHeroInformation(hlist,html) #將英雄資訊寫入hlist列表
36     printHeroInformation(hlist) #輸出資訊
37 
38 main()

如果需要爬取打野、中單、ADC或者輔助資訊,只需要修改

fillHeroInformation(hlist,html)函式中的
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