首先，神枪镇楼

背景

最近老板爱上了吃鸡（手游：全军出击），经常拉着我们开黑，只能放弃午休的时间，陪老板在沙漠里奔波。 上周在在微信游戏频道看战绩的时候突发奇想，是不是可以通过这个方式抓取到很多战斗数据，然后分析看看有什么规律。

秀一波战绩，开黑情况下我们团队吃鸡率非常高，近100场吃鸡次数51次

题外话！如果还有在入门阶段的小萌新们的话，就私信我！我送大量的PDF书籍！精心整理的，希望大家能早日入门！01 02这样子私信即可！

简单评估了一下，觉得可行，咱就开始。

Step 1 分析数据接口

第一步当然是把这些战绩数据采集下来，首先我们需要了解页面背后的故事。去看看页面是如何获取战斗数据的。

使用Charles抓包

抓包实现

在Mac下推荐使用工具Charles来从协议层抓取手机上的流量，原理就是在Mac上开启一个代*理*服务器，然后将手机的网络代*理设置为Mac，这样手机上的所有流量都会经过我们的代*理*服务器了。 大致流程如下：

https加密流量的处理

在实际操作的时候发现微信所有的流量都走了HTTPS，导致我们的抓到的都是加密数据，对我们没有任何参考意义。 经过研究，可以通过在手机和电脑都安装Charles根证书的方式来实现对Https流量的分析，具体操作可以参考：

• charles mac下https抓包和iphone https抓包

• 解决Charles无法正常抓包iOS 11中的Https请求

安装证书后，我们的流量大致是这样子的

经过上述的配置，我们已经可以读取到https的请求和响应数据了，如下图所示。

• windows下用findler可以实现相同的功能

• 其实这就是一个非常典型的中间人场景

数据接口

接下来就根据这些数据来找出我们需要的接口了，经过分析，主要涉及三个接口

• 获取用户信息接口

• 获取用户战绩列表接口

• 获取用户指定战绩详细信息接口

下面我们一个一个看

1. 获取用户信息接口

• request

API/cgi-bin/gamewap/getpubgmdatacenterindex方法GET参数openid、pass_ticketcookiekey pass_ticket、uin、pgv_pvid、sd_cookie_crttime、sd_userid

• response

{ "user_info": { "openid": "oODfo0pjBQkcNuR4XLTQ321xFVws", "head_img_url":"http://wx.qlogo.cn/mmhead/Q3auHgzwzM5hSWxxxxxUQPwW9ibxxxx9DlxLTsKWk97oWpDI0rg/96", "nick_name": "望", "role_name": "xxxx", "zone_area_id": 0, "plat_id": 1 }, "battle_info": { "total_1": 75, "total_10": 336, "total_game": 745, "total_kill": 1669 }, "battle_list": [{ "map_id": 1, "room_id": "6575389198189071197", "team_id": 57, "dt_event_time": 1530953799, "rank_in_ds": 3, "times_kill": 1, "label": "前五", "team_type": 1, "award_gold": 677, "mode": 0 }], "appitem": { "AppID": "wx13051697527efc45", "IconURL":"https://mmocgame.qpic.cn/wechatgame/mEMdfrX5RU0dZFfNEdCsMJpfsof1HE0TP3cfZiboX0ZPxqh5aZnHjxPFXUGgsXmibe/0", "Name": "绝地求生 全军出击", "BriefName": "绝地求生 全军出击", "Desc": "官方正版绝地求生手游", "Brief": "枪战 | 808.2M", "WebURL": "https://game.weixin.qq.com/cgi-bin/h5/static/detail_v2/index.html?wechat_pkgid=detail_v2&appid=wx13051697527efc45&show_bubble=0", "DownloadInfo": { "DownloadURL": "https://itunes.apple.com/cn/app/id1304987143", "DownloadFlag": 5 }, "Status": 0, "AppInfoFlag": 45, "Label": [], "AppStorePopUpDialogConfig": { "Duration": 1500, "Interval": 172800, "ServerTimestamp": 1531066098 }, "HasEnabledChatGroup": false , "AppType": 0, "game_tag_list": ["绝地求生", "正版还原", "好友开黑", "百人对战", "超大地图"], "recommend_reason": "正版绝地求生，荒野射击", "size_desc": "808.2M" }, "is_guest": true , "is_blocked": false , "errcode": 0, "errmsg": "ok"}

• 分析

openid是用户的惟一标识。

2. 获取用户战绩列表接口

• request

• API/cgi-bin/gamewap/getpubgmbattlelist方法GET参数openid、pass_ticket、plat_id、after_time、limitcookiekey pass_ticket、uin、pgv_pvid、sd_cookie_crttime、sd_userid

• response

{"errcode": 0,"errmsg": "ok","next_after_time": 1528120556,"battle_list": [{ "map_id": 1, "room_id": "6575389198111172597", "team_id": 57, "dt_event_time": 1530953799, "rank_in_ds": 3, "times_kill": 1, "label": "前五", "team_type": 1, "award_gold": 677, "mode": 0}, { "map_id": 1, "room_id": "6575336498940384115", "team_id": 11, "dt_event_time": 1530941404, "rank_in_ds": 5, "times_kill": 2, "label": "前五", "team_type": 1, "award_gold": 632, "mode": 0}],"has_next": true }

• 分析

• 这个接口用after_time来进行分页，遍历获取时可以根据接口响应的has_next和next_after_time来判断是否还有下一页的数据。

• 列表里面的room_id是每一场battle的惟一标识。

3. 获取用户战绩详情接口

• request

API/cgi-bin/gamewap/getpubgmbattledetail方法GET参数openid、pass_ticket、room_idcookiekey pass_ticket、uin、pgv_pvid、sd_cookie_crttime、sd_userid

• request

{"errcode": 0,"errmsg": "ok","base_info": { "nick_name": "柚茶", "head_img_url": "http://wx.qlogo.cn/mmhead/xxxx/96", "dt_event_time": 1528648165, "team_type": 4, "rank": 1, "player_count": 100, "role_sex": 1, "label": "大吉大利", "openid": "oODfo0s1w5lWjmxxxxxgQkcCljXQ"},"battle_info": { "award_gold": 622, "times_kill": 6, "times_head_shot": 0, "damage": 537, "times_assist": 3, "survival_duration": 1629, "times_save": 0, "times_reborn": 0, "vehicle_kill": 1, "forward_distance": 10140, "driving_distance": 5934, "dead_poison_circle_no": 6, "top_kill_distance": 223, "top_kill_distance_weapon_use": 2924130819, "be_kill_user": { "nick_name": "小旭", "head_img_url":"http://wx.qlogo.cn/mmhead/ibLButGMnqJNFsUtStNEV8tzlH1QpwPiaF9kxxxxx66G3ibjic6Ng2Rcg/96", "weapon_use": 20101000001, "openid": "oODfo0qrPLExxxxc0QKjFPnPxyI" }, "label": "大吉大利"},"team_info": { "user_list": [{ "nick_name": "ooo", "times_kill": 6, "assist_count": 3, "survival_duration": 1638, "award_gold": 632, "head_img_url":"http://wx.qlogo.cn/mmhead/Q3auHgzwzM4k4RXdyxavNxxxxUjcX6Tl47MNNV1dZDliazRKRg", "openid": "oODfo0xxxxf1bRAXE-q-lEezK0k" }, { "nick_name": "我吃炒肉", "times_kill": 2, "assist_count": 2, "survival_duration": 1502, "award_gold": 583, "head_img_url":"http://wx.qlogo.cn/mmhead/sTJptKvBQLKd5SAAjOF0VrwiapUxxxxFffxoDUcrVjYbDf9pNENQ", "openid": "oODfo0gIyDxxxxZpUrSrpapZSDT0" }]},"is_guest": true ,"is_blocked": false }

• 分析

• 这个接口响应了战斗的详细信息，包括杀*敌数、爆*头数、救人数、跑动距离等等，足够我们分析了。

• 这个接口还响应了是被谁杀死的以及组团成员的openid，利用这个特性我们这可无限深度的发散爬取更多用户的数据。

至于cookie中的息pass_ticket等信息肯定是用于权限认证的，在上述的几次请求中这些信息都没有变化，所以我们不需要深研其是怎么算出来的，只需要抓包提取到默认信息后填到代码里面就可以用了。

Step 2 爬取数据

接口已经确定下来了，接下来就是去抓取足够量的数据了。

使用requests请求接口获取数据

url = 'https://game.weixin.qq.com/cgi-bin/gamewap/getpubgmdatacenterindex?openid=%s&plat_id=0&uin=&key=&pass_ticket=%s' % (openid, settings.pass_ticket) r = requests.get(url=url, cookies=settings.def_cookies, headers=settings.def_headers, timeout=(5.0,5.0)) tmp = r.json() wfile = os.path.join(settings.Res_UserInfo_Dir, '%s.txt' % (rediskeys.user(openid))) with codecs.open(wfile, 'w', 'utf-8') as wf: wf.write(simplejson.dumps(tmp, indent=2, sort_keys= True , ensure_ascii= False ))

参照这种方式我们可以很快把另外两个接口写好。

使用redis来标记已经爬取过的信息

在上述接口中我们可能从用户A的入口进去找到用户B的openid，然后从用户B的入口进去又找到用户A的openid，为了避免重复采集，所以我们需要记录下哪些信息是我们采集过的。 核心代码片断：

# rediskeys.user_battle_list 根据openid获取存在redis中的key值 def user_battle_list(openid): return 'ubl_%s' % (openid)# 在提取battle list之前，首先判断这用用户的数据是否已经提取过了 if settings.DataRedis.get(rediskeys.user_battle_list(openid)): return True # 在提取battle list之后，需要在redis中记录用户信息settings.DataRedis.set(rediskeys.user_battle_list(openid), 1)

使用celery来管理队列

celery是一个非常好用的分布式队列管理工具，我这次只打算在我自己的电脑上运行，所以并没有用到分布式的功能。 我们创建三个task和三个queue

task_queues = ( Queue('queue_get_battle_info', exchange=Exchange('priority', type='direct'), routing_key='gbi'), Queue('queue_get_battle_list', exchange=Exchange('priority', type='direct'), routing_key='gbl'), Queue('queue_get_user_info', exchange=Exchange('priority', type='direct'), routing_key='gui'),) task_routes = ([ ('get_battle_info', {'queue': 'queue_get_battle_info'}), ('get_battle_list', {'queue': 'queue_get_battle_list'}), ('get_user_info', {'queue': 'queue_get_user_info'}),],)

然后在task中控制API请求和Redis数据实现完整的任务逻辑，如：

@app.task(name='get_battle_list') def get_battle_list(openid, plat_id= None , after_time=0, update_time= None ): # 判断是否已经取过用户战绩列表信息 if settings.DataRedis.get(rediskeys.user_battle_list(openid)): return True if not plat_id: try : # 提取用户信息 us = handles.get_user_info_handles(openid) plat_id=us['plat_id'] except Exception as e: print 'can not get user plat_id', openid, traceback.format_exc() return False # 提取战绩列表 battle_list = handles.get_battle_list_handle(openid, plat_id, after_time=0, update_time= None ) # 为每一场战斗创建异步获取详情任务 for room_id in battle_list: if not settings.DataRedis.get(rediskeys.user_battle(openid, room_id)): get_battle_info.delay(openid, plat_id, room_id) return True

开始抓取

因为我们是发散是爬虫，所以需要给代码一个用户的入口，所以需要手动创建一个用户的采集任务

from tasks.all import get_battle_list my_openid = 'oODfo0oIErZI2xxx9xPlVyQbRPgY'my_platid = '0' get_battle_list.delay(my_openid, my_platid, after_time=0, update_time= None )

有入口之后我们就用celery来启动worker去开始爬虫

# 启动获取用户详情workercelery -A tasks.all worker -c 5 --queue=queue_get_user_info --loglevel=info -n get_user_info@%h # 启动获取战绩列表workercelery -A tasks.all worker -c 5 --queue=queue_get_battle_list --loglevel=info -n get_battle_list@%h # 启动获取战绩详情workercelery -A tasks.all worker -c 30 --queue=queue_get_battle_info --loglevel=info -n get_battle_info@%h

这样我们的爬虫就可以愉快的跑起来了。再通过celery-flower来查看执行情况。

celery flower -A tasks.all --broker=redis://:$REDIS_PASS@$REDIS_HOST:$REDIS_PORT/10

通过flower，我们可以看到运行的效率还是非常不错的。

在执行过程中会发现get_battle_list跑太快，导致get_battle_info即使开了30个并发都还会积压很多，所以需要适时的去停一下这些worker。 在我们抓到20万条信息之后就可以停下来了。

Step 3 数据分析

分析方案

20万场战斗的数据已经抓取好了，全部分成json文件存在我本地磁盘上，接下来就做一些简单的分析。 python在数据分析领域也非常强大，有很多非常优秀的库，如pandas和NumPy，可惜我都没有学过，而且对于一个高考数学只考了70几分的人来说，数据分析实在是难，所以就自己写了一个非常简单的程序来做一些浅度分析。 需要进行深度分析，又不想自己爬虫的大牛可以联系我打包这些数据。

# coding=utf-8 import os import json import datetime import math from conf import settings class UserTeamTypeData: def __init__( self , team_type, player_count): self .team_type = team_type self .player_count = player_count self .label = {} self .dead_poison_circle_no = {} self .count = 0 self .damage = 0 self .survival_duration = 0 # 生存时间 self .driving_distance = 0 self .forward_distance = 0 self .times_assist = 0 # 助攻 self .times_head_shot = 0 self .times_kill = 0 self .times_reborn = 0 # 被救次数 self .times_save = 0 # 救人次数 self .top_kill_distance = [] self .top_kill_distance_weapon_use = {} self .vehicle_kill = 0 # 车辆杀死 self .award_gold = 0 self .times_reborn_by_role_sex = {0: 0, 1: 0} # 0 男 1 女 self .times_save_by_role_sex = {0: 0, 1: 0} # 0 男 1 女 def update_dead_poison_circle_no( self , dead_poison_circle_no): if dead_poison_circle_no in self .dead_poison_circle_no: self .dead_poison_circle_no[dead_poison_circle_no] += 1 else : self .dead_poison_circle_no[dead_poison_circle_no] = 1 def update_times_reborn_and_save_by_role_sex( self , role, times_reborn, times_save): if role not in self .times_reborn_by_role_sex: return self .times_reborn_by_role_sex[role] += times_reborn self .times_save_by_role_sex[role] += times_save def update_top_kill_distance_weapon_use( self , weaponid): if weaponid not in self .top_kill_distance_weapon_use: self .top_kill_distance_weapon_use[weaponid] = 1 else : self .top_kill_distance_weapon_use[weaponid] += 1 class UserBattleData: def __init__( self , openid): self .openid = openid self .team_type_res = {} self .label = {} self .hour_counter = {} self .weekday_counter = {} self .usetime = 0 self .day_record = set() self .battle_counter = 0 def get_avg_use_time_per_day( self ): # print "get_avg_use_time_per_day:", self.openid, self.usetime, len(self.day_record), self.usetime / len(self.day_record) return self .usetime / len( self .day_record) def update_label( self , lable): if lable in self .label: self .label[lable] += 1 else : self .label[lable] = 1 def get_team_type_data( self , team_type, player_count): player_count = int(math.ceil(float(player_count) / 10)) team_type_key = '%d_%d' % (team_type, player_count) if team_type_key not in self .team_type_res: userteamtypedata = UserTeamTypeData(team_type, player_count) self .team_type_res[team_type_key] = userteamtypedata else : userteamtypedata = self .team_type_res[team_type_key] return userteamtypedata def update_user_time_property( self , dt_event_time): dt_event_time = datetime.datetime.fromtimestamp(dt_event_time) hour = dt_event_time.hour if hour in self .hour_counter: self .hour_counter[hour] += 1 else : self .hour_counter[hour] = 1 weekday = dt_event_time.weekday() if weekday in self .weekday_counter: self .weekday_counter[weekday] += 1 else : self .weekday_counter[weekday] = 1 self .day_record.add(dt_event_time.date()) def update_battle_info_by_room( self , roomid): # print ' load ', self.openid, roomid file = os.path.join(settings.Res_UserBattleInfo_Dir, self .openid, '%s.txt' % roomid) with open(file, 'r') as rf: battledata = json.load(rf) self .battle_counter += 1 base_info = battledata['base_info'] self .update_user_time_property(base_info['dt_event_time']) battle_info = battledata['battle_info'] userteamtypedata = self .get_team_type_data(base_info['team_type'], base_info['player_count']) userteamtypedata.count += 1 userteamtypedata.award_gold += battle_info['award_gold'] userteamtypedata.damage += battle_info['damage'] userteamtypedata.update_dead_poison_circle_no(battle_info['dead_poison_circle_no']) userteamtypedata.driving_distance += battle_info['driving_distance'] userteamtypedata.forward_distance += battle_info['forward_distance'] self .update_label(battle_info['label']) userteamtypedata.survival_duration += battle_info['survival_duration'] self .usetime += battle_info['survival_duration']/60 userteamtypedata.times_assist += battle_info['times_assist'] userteamtypedata.times_head_shot += battle_info['times_head_shot'] userteamtypedata.times_kill += battle_info['times_kill'] userteamtypedata.times_reborn += battle_info['times_reborn'] userteamtypedata.times_save += battle_info['times_save'] userteamtypedata.damage += battle_info['damage'] userteamtypedata.top_kill_distance.append(battle_info['top_kill_distance']) userteamtypedata.update_times_reborn_and_save_by_role_sex(base_info['role_sex'],battle_info['times_reborn'], battle_info['times_save']) def get_user_battleinfo_rooms( self ): user_dir = os.path.join(settings.Res_UserBattleInfo_Dir, self .openid) r = [room for room in os.listdir(user_dir)] r = [rr.replace('.txt', '') for rr in r] return r class AllUserCounter: def __init__( self ): self .hour_counter = {0: 0, 1: 0, 2: 0, 3: 0, 4: 0, 5: 0, 6: 0, 7: 0, 8: 0, 9: 0, 10: 0, 11: 0, 12: 0, 13: 0, 14:0, 15: 0, 16: 0, 17: 0, 18: 0, 19: 0, 20: 0, 21: 0, 22: 0, 23: 0} self .weekday_counter = {0: 0, 1: 0, 2: 0, 3: 0, 4: 0, 5: 0, 6: 0} self .times_reborn_by_role_sex = {0: 0, 1: 0} # 0 男 1 女 self .times_save_by_role_sex = {0: 0, 1: 0} # 0 男 1 女 self .user_count = 0 self .battle_count = 0 self .every_user_use_time_per_day = [] self .top_kill_distance = 0 def avg_use_time( self ): return sum( self .every_user_use_time_per_day) / len( self .every_user_use_time_per_day) def add_user_data( self , userbattledata): self .every_user_use_time_per_day.append(userbattledata.get_avg_use_time_per_day()) self .battle_count += userbattledata.battle_counter self .user_count += 1 for k in userbattledata.hour_counter: if k in