:点击上方[Python爬虫数据分析挖掘]→右上角[...]→[设为星标⭐]
前文
本文主要分为两个部分
一部分是爬虫，这边是选择爬取英雄联盟官网英雄资料中的英雄皮肤图片，如下为新英雄seraphine的页面，包含英雄对应的所有皮肤；
另一部分是图片的合成，先将所有英雄皮肤图片拼接成为一张图作为背景，然后与另一张图片进行合成，效果如下：
爬虫
思路整理
F12打开控制台后刷新页面(/data/info-defail.shtml?id=147)，既然是找图片，直接在img标签下找就好了；
获取到图片的地址之后(/images/lol/act/img/skin/big147001.jpg)，接着再往下找，在xhr标签下，找到了包含皮肤图片地址的接口(/images/lol/act/img/js/hero/147.js)，测试一下，可以直接访问，没啥限制；
多看几个英雄的页面就能发现，这个147其实就是对应英雄的ID，如果我们有英雄的ID，直接拼接成新的接口地址就可以，接着继续往下找能获取英雄ID的接口；
在资料库首页刷新，有个叫hero_list(/images/lol/act/img/js/heroList/hero_list.js)的就很明显，从返回的内容来看，确实包含了我们需要的英雄ID；
这样思路就很清晰了，先从hero_list获取所有英雄的ID，然后拼接成单个英雄信息的接口访问获取到皮肤图片的地址，下载图片完事～
完整代码
为了速度快点，加了一个异步，实测6S爬取完所有的皮肤～
#!/usr/bin/env python# -*- coding: utf-8 -*-#@Author:李运辰# @File : crawler.py# @Version : Python 3.7# @Time : -11-30 23:05import requestsimport asyncioimport osfrom aiohttp import ClientSessionimport aiohttpimport jsonfrom datetime import datetimeasync def skins_downloader(semaphore, hero_id, hero_name):async with semaphore:url = '/images/lol/act/img/js/hero/{}.js'.format(hero_id)dir_name = 'skins/{}'.format(hero_name)if not os.path.exists(dir_name):os.mkdir(dir_name)async with ClientSession(connector=aiohttp.TCPConnector(ssl=False)) as session:async with session.get(url) as response:response = await response.read()for skin in json.loads(response)['skins']:if skin['mainImg']:img_url = skin['mainImg']# kda女团皮肤名带斜杠，replace掉path = os.path.join(dir_name, '{}.jpg'.format(skin['name'].replace('/', ''), ))async with session.get(img_url) as skin_response:with open(path, 'wb') as f:print('\rDownloading [{:^10}] {:<20}'.format(hero_name, skin['name']), end='')f.write(await skin_response.read())def hero_list():return requests.get('/images/lol/act/img/js/heroList/hero_list.js').json()['hero']async def run():semaphore = asyncio.Semaphore(30)heroes = hero_list()tasks = []for hero in heroes:tasks.append(asyncio.ensure_future(skins_downloader(semaphore, hero['heroId'], hero['title'])))await asyncio.wait(tasks)if __name__ == '__main__':start_time = datetime.now()loop = asyncio.get_event_loop()loop.run_until_complete(run())loop.close()end_time = datetime.now()time_diff = (end_time - start_time).secondsprint('\nTime cost: {}s'.format(time_diff))
每个英雄对应一个文件夹～
图片合成
图片尺寸处理
因为最后图片合成需要保持一样的尺寸，所以第一步我们先把主图的尺寸resize成我们想要的；
英雄皮肤的图片都是980*500，我们把皮肤图片尺寸缩小10倍也就是98*50，然后保证每行有50张子图，这样便得到了我们需要resize的宽度(98*50)，然后根据主图本身的长宽比计算出我们需要resize的高度，具体代码如下：
mask_img = Image.open('/home/kesci/work/skins/league of legend.jpeg')# 获取图片本身宽度、高度width, height = mask_img.size# 计算resize后的尺寸，注意取整to_width = 98 * 50to_height = ((to_width / width) * height // 50) * 50mask_img = mask_img.resize((int(to_width), int(to_height)), Image.ANTIALIAS)# 显示图片plt.figure(figsize=(25,15))plt.imshow(mask_img)plt.axis('off')plt.show()
子图拼接
接下来便是把英雄图片拼接成一张图片，尺寸与之前主图尺寸保持一致；
读取所有皮肤图片将尺寸resize为98*50，转为np.array格式缓存到list中共后面调用；
skin_array_collection = []for fpath, dirname, fnames in os.walk('/home/kesci/work/skins'):if not dirname:for fn in fnames:try:skin_array_collection.append(np.array(Image.open(os.path.join(fpath, fn)).convert('RGB').resize((98, 50), Image.ANTIALIAS)))except OSError:print('读取文件出错：「{}」'.format(os.path.join(fpath, fn)))
将刚刚的array随机组合到一起，转为图片就好了～
w_times, h_times = int(to_width / 98), int(to_height / 50)bg_img = np.zeros_like(np.array(mask_img))for i in tqdm(range(w_times), desc='MERGE'):for j in range(h_times):bg_img[j * 50:(j + 1) * 50, i * 98:(i + 1) * 98, :] = random.choice(skin_array_collection)bg_img = Image.fromarray(bg_img)# 显示图片plt.figure(figsize=(25,15))plt.imshow(bg_img)plt.axis('off')plt.show()
图片合成
这边使用了Pillow中的Image.blend，将主图和刚才生成的皮肤背景图合成到一起，通过alpha参数控制背景的透明程度；
img = Image.blend(bg_img, mask_img, alpha=0.8)img.save('/home/kesci/work/skins/out_put.jpeg')# 显示图片plt.figure(figsize=(25,15))plt.imshow(img)plt.axis('off')plt.show()
效果如下：
学习累了听听歌，今天单曲循环不知道多少次了，分享给你们
-END -
【各种爬虫源码获取方式】
识别文末二维码，回复：爬虫源码
欢迎关注公众号：Python爬虫数据分析挖掘，方便及时阅读最新文章
记录学习python的点点滴滴；
回复【开源源码】免费获取更多开源项目源码；
