今天王者荣耀S27赛季更新了，赛季更新不仅优化了局部的画面，而且在性能上得到了提升，新赛季的开始，王者峡谷又开始了新的一轮竞技，王者荣耀一款陪伴我走过大学时光的网络手游。
基于此作者运用所学的爬虫知识，借助Python工具爬取王者荣耀官网的英雄人物头像，Python爬虫爬取网页图片可以分为四步：明确目的、发送请求、数据解析、保存数据，下面一起学习。
明确目的示例工具：anconda3.7
本文讲解内容：Python爬取图片
适用范围：网页解析、图片爬取
打开王者荣耀英雄介绍主页，该主页包含很多种英雄的头像图片，主页网址链接如下。
https://pvp.qq.com/web201605/herolist.shtml
使用requests库发送请求，返回状态码显示为200，服务器连接正常。
import requests
u='https://pvp.qq.com/web201605/herolist.shtml'
response=requests.get(u)
print('状态码:{}'.format(response.status_code))
if response.status_code != 200:
pass
else:
print("服务器连接正常")
在数据解析之前，需要提前安装pyquery，pyquery库类似于Beautiful Soup库，初始化的时候，需要传入HTML文本来初始化一个PyQuery对象，它的初始化方式包括直接传入字符串，传入URL，传入文件名等等，这里传入URL，并且查找节点。
#解析数据
from pyquery import PyQuery
doc=PyQuery(html)
items=doc('.herolist>li')#.items()
print(items)
同时遍历，使用find函数查找子节点，遍历爬取图片URL和图片名。
for item in items:
url=item.find('img').attr('src')
#print(url)
urls='http:' url
name=item.find('a').text()
#print(name)
url_content=requests.get(urls).content
最后保存数据，需要提前新建一个文件夹用于数据存储，同时，存储数据的代码需要写在for循环里面，不然只会保存一张图片。
with open('C:/Users/尚天强/Desktop/王者荣耀picture/' name '.jpg','wb') as file:
file.write(url_content)
print("正在下载%s......%s"%(name,urls))
同时加一个计时器，用于计时图片爬取的时长，这里显示图片爬取共计耗时7.03秒。
import time
start=time.time()
…
end=time.time()
print('图片爬取共计耗时{:.2f}秒'.format(end-start))
爬取过程动态演示如下，运行过程很快。
以上我们成功将王者荣耀的英雄人物头像爬取下来，代码文件中有高清头像。
将代码进行封装，完整版代码如下，如果你也感兴趣的话可以自己实际运行试一试，爬取生成结果。
import time
start=time.time()
import requests
from pyquery import PyQuery
#确定目标
url="https://pvp.qq.com/web201605/herolist.shtml"
#发送请求
html=requests.get(url).content
#print(html)
#解析数据
doc=PyQuery(html)
items=doc('.herolist>li').items()
#print(items)
for item in items:
url=item.find('img').attr('src')
#print(url)
urls='http:' url
name=item.find('a').text()
#print(name)
url_content=requests.get(urls).content
#保存数据
with open('C:/Users/尚天强/Desktop/王者荣耀picture/' name '.jpg','wb') as file:
file.write(url_content)
print("正在下载%s......%s"%(name,urls))
print("下载完毕")
end=time.time()
print('图片爬取共计耗时{:.2f}秒'.format(end-start))
,三年互联网数据分析经验，擅长Excel、SQL、Python、PowerBI数据处理工具，数据可视化、商业数据分析技能，统计学、机器学习知识，持续创作数据分析内容，点赞关注，不迷路。
