手动爬取炉石传说所有卡牌

• 2019 年 10 月 6 日
• 筆記

笔者还记得是从大学开始的时候玩的炉石传说，还记得当时的版本只有黑石山，纳克萨玛斯，地精大战侏儒这些卡包，转眼间到了现在，炉石传说早已和之前的那个炉石传说不再一样了，还记得以前的卡牌套路冰法，奴隶战，机械法等等，到现在一系列稀奇八怪的打法，什么偶数萨，天启骑，战吼萨，群星德，青玉德等等…….

这个游戏的变化太大了，感觉真的追不动了，于是，小编准备弃坑了，不去玩炉石了，再此之前，为了纪念一下我那逝去的炉石青春，就把它的所有卡牌都整理出来吧！

首先，我们先找到卡牌的网址：

http://cha.17173.com/hs/

接下来我们要采取爬虫的方式来获取卡牌了，由于网址是异步加载的，所以我们采用selenium来自动爬取网页上的内容。

下面我们要先找打页面上所有卡牌的特征，之后采用正则去匹配卡牌的图片：

所有的卡牌的是img标签里面的，所以我们可以大胆地写正则了：

"window.open($(this).attr('href'));return false;" target=""><img src="(.*?)"

咋一看看起来写的太长了，感觉不好，那就适当的再修改一下：

e;" target=""><img src="(.*?)"

这样就不错了

（）里面使我们需要匹配的内容。

由于时间关系，我就直接贴代码了，注释都在代码里：

def get_html():      browser = webdriver.Chrome(r'C:Program Files (x86)GoogleChromeApplicationchromedriver.exe')      browser.get('http://cha.17173.com/hs/')        for i in range(90):          browser.execute_script('var q=document.documentElement.scrollTop='+str(i*1000))          time.sleep(1)      time.sleep(1)      html = browser.page_source.encode('GBK', 'ignore').decode('GBk')      browser.close()      return html    def get_imgs(html):      img_urls = re.findall('e;" target=""><img src="(.*?)"', html)      for img_url in img_urls:          img_url = img_url.split('?')[0]          img_content = requests.get(img_url).content          with open(img_url.split('/')[-1],'wb') as f:              f.write(img_content)      if __name__ == '__main__':      html = get_html()      get_imgs(html)

大概的结果就是这样了。