一、分析网站内容

本次爬取网站为opgg，网址为：” http://www.op.gg/champion/statistics ”

由网站界面可以看出，右侧有英雄的详细信息，以Garen为例，胜率为53.84%，选取率为16.99%，常用位置为上单

现对网页源代码进行分析(右键鼠标在菜单中即可找到查看网页源代码)。通过查找“53.84%”快速定位Garen所在位置

由代码可看出，英雄名、胜率及选取率都在td标签中，而每一个英雄信息在一个tr标签中，td父标签为tr标签，tr父标签为tbody标签。

对tbody标签进行查找

代码中共有5个tbody标签(tbody标签开头结尾均有”tbody”，故共有10个”tbody”)，对字段内容分析，分别为上单、打野、中单、ADC、辅助信息

以上单这部分英雄为例，我们需要首先找到tbody标签，然后从中找到tr标签(每一条tr标签就是一个英雄的信息)，再从子标签td标签中获取英雄的详细信息

二、爬取步骤

爬取网站内容->提取所需信息->输出英雄数据

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

getHTMLText(url)函数是返回url链接中的html内容

fillHeroInformation(hlist,html)函数是将html中所需信息提取出存入hlist列表中

printHeroInformation(hlist)函数是输出hlist列表中的英雄信息

三、代码实现

1、getHTMLText(url)函数

1 def getHTMLText(url): #返回html文档信息2     try:3         r = requests.get(url,timeout = 30)4         r.raise_for_status()5         r.encoding = r.apparent_encoding6         return r.text #返回html内容7     except:8         return ""

2、fillHeroInformation(hlist,html)函数

以一个tr标签为例，tr标签内有7个td标签，第4个td标签内属性值为"champion-index-table__name"的div标签内容为英雄名，第5个td标签内容为胜率，第6个td标签内容为选取率，将这些信息存入hlist列表中

1 def fillHeroInformation(hlist,html): #将英雄信息存入hlist列表2     soup = BeautifulSoup(html,"html.parser")3     for tr in soup.find(name = "tbody",attrs = "tabItem champion-trend-tier-TOP").children: #遍历上单tbody标签的儿子标签4         if isinstance(tr,bs4.element.Tag): #判断tr是否为标签类型，去除空行5             tds = tr('td') #查找tr标签下的td标签6             heroName = tds[3].find(attrs = "champion-index-table__name").string #英雄名7             winRate = tds[4].string #胜率8             pickRate = tds[5].string #选取率9             hlist.append([heroName,winRate,pickRate]) #将英雄信息添加到hlist列表中

3、printHeroInformation(hlist)函数

1 def printHeroInformation(hlist): #输出hlist列表信息2     print("{:^20}{:^20}{:^20}{:^20}".format("英雄名","胜率","选取率","位置"))3     for i in range(len(hlist)):4         i = hlist[i]5         print("{:^20}{:^20}{:^20}{:^20}".format(i[0],i[1],i[2],"上单"))

4、main()函数

网站地址赋值给url，新建一个hlist列表，调用getHTMLText(url)函数获得html文档信息，使用fillHeroInformation(hlist,html)函数将英雄信息存入hlist列表，再使用printHeroInformation(hlist)函数输出信息

1 def main():2     url = "http://www.op.gg/champion/statistics"3     hlist = []4     html = getHTMLText(url) #获得html文档信息5     fillHeroInformation(hlist,html) #将英雄信息写入hlist列表6     printHeroInformation(hlist) #输出信息

四、结果演示

1、网站界面信息

2、爬取结果

五、完整代码

 1 import requests 2 import re 3 import bs4 4 from bs4 import BeautifulSoup 5  6 def getHTMLText(url): #返回html文档信息 7     try: 8         r = requests.get(url,timeout = 30) 9         r.raise_for_status()10         r.encoding = r.apparent_encoding11         return r.text #返回html内容12     except:13         return ""14 15 def fillHeroInformation(hlist,html): #将英雄信息存入hlist列表16     soup = BeautifulSoup(html,"html.parser")17     for tr in soup.find(name = "tbody",attrs = "tabItem champion-trend-tier-TOP").children: #遍历上单tbody标签的儿子标签18         if isinstance(tr,bs4.element.Tag): #判断tr是否为标签类型，去除空行19             tds = tr('td') #查找tr标签下的td标签20             heroName = tds[3].find(attrs = "champion-index-table__name").string #英雄名21             winRate = tds[4].string #胜率22             pickRate = tds[5].string #选取率23             hlist.append([heroName,winRate,pickRate]) #将英雄信息添加到hlist列表中24 25 def printHeroInformation(hlist): #输出hlist列表信息26     print("{:^20}{:^20}{:^20}{:^20}".format("英雄名","胜率","选取率","位置"))27     for i in range(len(hlist)):28         i = hlist[i]29         print("{:^20}{:^20}{:^20}{:^20}".format(i[0],i[1],i[2],"上单"))30 31 def main():32     url = "http://www.op.gg/champion/statistics"33     hlist = []34     html = getHTMLText(url) #获得html文档信息35     fillHeroInformation(hlist,html) #将英雄信息写入hlist列表36     printHeroInformation(hlist) #输出信息37 38 main()

如果需要爬取打野、中单、ADC或者辅助信息，只需要修改

fillHeroInformation(hlist,html)函数中的

for tr in soup.find(name = "tbody",attrs = "tabItem champion-trend-tier-TOP").children语句，将attrs属性值修改为

"tabItem champion-trend-tier-JUNGLE"、"tabItem champion-trend-tier-MID"、"tabItem cha