用Python爬取《王者荣耀》英雄皮肤数据并可视化分析，用图说话

大家好，我是辰哥~

今天辰哥带大家分析一波当前热门手游《王者荣耀》英雄皮肤，比如皮肤上线时间、皮肤类型（勇者；史诗；传说等）、价格。

1.获取数据

数据来源于《王者荣耀官方网站》，网页数据如下：

所需内容：

1. 英雄名称

2. 英雄皮肤名称

3. 上线时间

4. 皮肤类型（勇者；史诗；传说等）

5. 价格（这个在官方没有获取到，是辰哥这边手动统计的）

首先通过查看network分析获取所有皮肤的数据（通过分析发现是异步加载的）

查看响应数据

url = "https://pvp.qq.com/zlkdatasys/data_zlk_xpflby.json"
response = requests.get(url).json()
for i in response['pcblzlby_c6']:
    print(i['pcblzlbybt_d3'],i['lbyrq_e5'],i['pcblzlbyxqydz_c4'])

这里只获取到英雄皮肤名称、上线时间以及皮肤详细信息链接（包含皮肤类型、对应英雄）

这里只获取到了189款皮肤（9*21=189），接着在继续通过异步请求获得的皮肤详细信息链接，去获取皮肤的具体信息。

以其中一个皮肤为例

可以获取到皮肤类型（传说）；皮肤名称（仲夏夜之梦）；对应英雄（貂蝉）；

通过查看源代码可以发现所需内容对应的网页标签，其中皮肤类型是图片的形式展示，但是我们需要的是文字内容，但是也不并非无规律可寻

皮肤类型规律：

勇者：1.png

限定：5.png

史诗：12.png

传说：15.png

KPL限定：19.png

情人节限定：24.png

荣耀典藏：26.png

FMVP：38.png

战令限定：40.png

其他：剩下的就归类到其他类（赛季限定等等）

上面的规律是皮肤类型图片对应的文字内容。

url = "https:"+"//pvp.qq.com/coming/v2/skins/141-5.shtml"
response = requests.get(url)
response.encoding = 'gbk'
text = response.text
selector = etree.HTML(text)
img = selector.xpath('//*[@id="showSkin"]/div/img/@src')[0]
print(frompic_gettext(img))
skin = selector.xpath('//*[@id="showSkin"]/div/div[2]/span[1]/text()')[0]
print(skin)
hero = selector.xpath('//*[@id="showSkin"]/div/div[2]/span[2]/text()')[0]
print(hero)
text = selector.xpath('//*[@id="showSkin"]/div/p/text()')[0]
print(text)

最终获取全部（189）的皮肤信息

url = "https://pvp.qq.com/zlkdatasys/data_zlk_xpflby.json"
response = requests.get(url).json()
for i in response['pcblzlby_c6']:
    types,skin,hero,text = getdetail(str(i['pcblzlbyxqydz_c4']))
    print(hero,skin,i['lbyrq_e5'],types,text)

输出结果：

最后将数据保存到excel，并手动统计皮肤对应的价格

在点券这列：

1.有具体点券信息的就直接统计（不包含首周优惠）

2.赛季专属的用0表示（免费获得）

3.战令限定的默认388（购买战令进阶）

4.其他一些抽奖，夺宝的直接用对应文字统计。

在皮肤类型这里也清洗了一下（比如五五开黑节，牛年限定等等）

2.可视化

先来给口号字段做一下词云图

这里直接使用辰哥的可视化平台进行制作

(show.chenlove.cn)

以下的可视化图表都直接在上面的平台一键生成

上传前面的excel文件，

选择口号字段和词云图背景；

点击生成词云图

点击导出，下载到本地

同样一键给皮肤字段做一下词云图

上线时间分析

统计每年发布的皮肤数量

df = pd.read_excel("王者荣耀英雄皮肤.xlsx")
time = df["上线时间"].tolist()
clear_time = [str(i)[0:4] for i in time]
result = Counter(clear_time)
# 排序
d = sorted(result.items(), key=lambda x: x[1], reverse=True)
t = [i[0] for i in d]
v = [i[1] for i in d]
"""
['2020', '2019', '2021', '2018', '2017']
[47, 44, 43, 42, 14]
"""

同样的还是使用辰哥的可视化平台（选择饼图）

对结果进行可视化

可以看出从2017~2021上线皮肤数量逐年增加，由于2021年刚过一半，所以还未超过2020年的数量。

分析每年几月皮肤数量最多

统计2017~2021年皮肤数量最多的月份

for j in [str(i)[0:6] for i in time]:
    if "2017" in str(j):
        t_2017.append(j[4:6])
    if "2018" in str(j):
        t_2018.append(j[4:6])
    if "2019" in str(j):
        t_2019.append(j[4:6])
    if "2020" in str(j):
        t_2020.append(j[4:6])
    if "2021" in str(j):
        t_2021.append(j[4:6])
# 排序
d_2017 = sorted(Counter(t_2017).items(), key=lambda x: x[1], reverse=True)
d_2018 = sorted(Counter(t_2018).items(), key=lambda x: x[1], reverse=True)
d_2019 = sorted(Counter(t_2019).items(), key=lambda x: x[1], reverse=True)
d_2020 = sorted(Counter(t_2020).items(), key=lambda x: x[1], reverse=True)
d_2021 = sorted(Counter(t_2021).items(), key=lambda x: x[1], reverse=True)
print("2017",d_2017[0])
print("2018",d_2018[0])
print("2019",d_2019[0])
print("2020",d_2020[0])
print("2021",d_2021[0])
"""
2017 ('10', 3)
2018 ('10', 6)
2019 ('02', 10)
2020 ('01', 14)
2021 ('02', 10)
"""

可以看到在2017和2018年10月上线皮肤较多，从19年开始，过年时当月上线的皮肤数量比同年其他月份数量多。

不同点券价格

统计excel中点券一列中包含几种价格，并进行排序

price = df["点券"].tolist()
clear_price = [str(i) for i in price]
result = Counter(clear_price)
# 排序
d = sorted(result.items(), key=lambda x: x[1], reverse=True)
t = [i[0] for i in d]
v = [i[1] for i in d]
"""
['888', '1788', '0', '388', '1688', '60', '夺宝', '488', '抽奖', '贵族限定', '660']
[52, 30, 28, 21, 19, 17, 13, 6, 2, 1, 1]
"""

将结果导入可视化平台，生成可视化图

其中第三个是0，因为赛季皮肤可以免费获取（所需点券为0），以上就是《王者荣耀》获得皮肤的几种价格，像夺宝抽奖这种靠运气，无法去衡量点券，所以就直接展示中文意思。

几种不同皮肤类型

统计excel中类型字段，并排序

"""
['史诗', '勇者', '限定', '战令限定', '其他', '赛季限定', 'KPL限定',
'FMVP', '荣耀典藏', '情人节限定', '鼠年限定', '猪年限定', '牛年限定',
'五五开黑节', '传说', '狗年限定', '五周年限定', '四周年限定', '三周年限定', '战队赛专属', '二周年限定']
[27, 27, 26, 21, 20, 18, 9, 6, 6, 5, 5, 5, 4, 2, 2, 2, 1, 1, 1, 1, 1]
"""0

当前统计到是20种类型，但远不止20，因为对于“其他”标签的还包含多种，因此皮肤类型起码20+，估计20多种。此外还可以看出史诗和勇者这两个类型的皮肤是较多的。

‍‍‍‍‍‍‍‍‍‍‍

同一种点券对应不同皮肤类型

同一种点券价格对应多种皮肤类型

比如888点券对应【'限定', '史诗', 'KPL限定', '五五开黑节', '情人节限定'等】

分别统计点券为888；1788；1688；0（免费）对应哪些皮肤类型，并绘制关系图（同样也是使用可视化平台进行绘制）

for i in range(0,len(price)):
    if str(price[i])=="888":
        if tp[i] not in c_888:
           c_888.append(tp[i])
    if str(price[i])=="1788":
        if tp[i] not in c_1788:
           c_1788.append(tp[i])
    if str(price[i])=="0":
        if tp[i] not in c_0:
           c_0.append(tp[i])
    if str(price[i])=="1688":
        if tp[i] not in c_1688:
           c_1688.append(tp[i])
"""
888 ['限定', '史诗', 'KPL限定', '五五开黑节', '情人节限定', '勇者', '猪年限定', '其他', '二周年限定']
1788 ['限定', '情人节限定', '牛年限定', 'KPL限定', '鼠年限定', '猪年限定', '狗年限定']
0 ['其他', '赛季限定', '五周年限定', '四周年限定', '勇者', '三周年限定', '战队赛专属']
1688 ['限定', 'FMVP', '传说', '其他']
"""

888点券对应皮肤类型

1788点券对应皮肤类型

0点券对应皮肤类型

1688点券对应皮肤类型

今天的文章就到这里了

上面所涉及的可视化都是通过辰哥的可视化平台进行制作。感兴趣的小伙伴可以去看看（show.chenlove.cn）

最后

1. 本文详细介绍了python爬虫获取《王者荣耀》英雄皮肤信息并且可视化

2. 本文仅供读者学习使用，不做其他用途！