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（https://lol.qq.com/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（https://game.gtimg.cn/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（https://game.gtimg.cn/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（https://game.gtimg.cn/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 : AwesomeTang
# @File : crawler.py
# @Version : Python 3.7
# @Time : 2020-11-06 23:05
import requests
import asyncio
import os
from aiohttp import ClientSession
import aiohttp
import json
from datetime import datetime
async def skins_downloader(semaphore, hero_id, hero_name):
async with semaphore:
url = 'https://game.gtimg.cn/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('https://game.gtimg.cn/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).seconds
print('\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 * 50
to_height = ((to_width / width) * height // 50) * 50
mask_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：
