如何吃鸡到国服前十的？Python分析几十万场比赛数据，揭开谜底！

upm9冲锋枪我的最爱

 

朋友爱上一款手游：全军出击，常常和我开黑，午休都没睡觉，陪朋友在沙漠里奔波， 然而技术一直没什么上升。

所以我准备用Python来爬取每场的比赛的数据，来分析出牛逼与菜逼之间到底是存在着什么问题。用数据来说话，任何逻辑都是无用的，任何场合数据才是最有说服力的东西。

 

看到我的吃鸡战绩，其实还是比较满意的，吃鸡率有百分之五十。然而就是 这样我遇到了瓶颈，我想变得更加强大。

说干就干，开始利用Python爬取我想要的数据吧。

1 分析数据接口

先了解页面是如何获取战斗数据的，然后把这些战绩数据采集下来。

使用Charles抓包

抓包实现

 

流程如下：

 

https加密流量的处理

微信所有的流量都是HTTPS请求（数据加密），所获得的加密了的数据对我们没有任何参考意义。 可以由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

 

证书安装后，流量是这样的

 

配置好上述条件后，可以读取到https的请求和响应数据

 

• windows下用findler抓包工具也可以实现这个功能
• 这是一个非常典型的中间人场景

数据接口

 

1. 获取用户信息接口

 

• response （返回）

 

• 分析

openid是用户的惟一标识。

2. 获取用户战绩列表接口

 

• response （返回、响应）

 

分析数据：

 

2 爬取数据

接口确定后，可以去抓取数据了。

利用requests请求接口获取数据

 

用这种方法，快速把另外的两个接口写好。

利用redis标记已经爬取过的信息

 

核心代码：

 

利用celery管理队列

 

创建三个task、queue

 

在task中控制API请求和Redis数据实现完整的任务逻辑：

 

Python爬取

由于是分布式爬虫，所以需要给代码一个用户的入口，需要手动创建一个用户的采集任务

 

入口存在后，用celery启动worker去开始爬取

 

Python爬虫就开始爬取了，可以由celery-flower来查看执行情况。

 

效率：

 

get_battle_list跑太快，导致get_battle_info技术开了30个并发还是会有很多积压，我们可以适当的停止一些worker。 仅仅抓了二十万数据就停止了，不过也应该够了。

3 数据分析

分析方案

爬取到的数据全部分成json文件存在本地磁盘上，做一些简单的分析。 python在数据分析领域有很多非常优秀的库，pandas和NumPy，可以由此进行深度分析，我这里来做一些浅度分析。

 

Python数据分析结果

1. 平均用户日在线时长为2小时

 

大部分人也有一个小时以上，有些人却也有超过八个小时的。

2. 被扶起的角色，女远大于男（符合常情）

 

3. 救人次数也是女性大于男性（一般女孩都是天使）

 

以后可以堂堂正正的带妹，为什么？这数据就是理由阿。

4. 玩家最少的是周五

 

5. 晚上10点大家都下班了，这是绝地求生游戏人数的最顶峰时期

 

6. 最远的击杀距离为639米（挂壁除外）

 

7. 救死扶伤称号是最高荣耀，是最难拿到的

 

比十连杀的难度还要高许多

 

与前面的数据不冲突，拿的最多的女性还是要大于男性。绝地求生，活着才是希望，带人上分，我选带妹！