通过爬虫的方式常爬取的数据源主要来自什么和app的数据

日志采集。通过爬虫的方式常爬取的数据源主要来自这四类数据源包括，开放数据源、爬虫抓取、传感器和日志采集，开放数据源是针对行业的数据库。爬虫，即网络爬虫，也叫做网络机器人，可以代替人们自动地在互联网中进行数据信息的采集与整理。

最近在准备上岸，备考中需做大量的练习，手机APP让练习无处不在，但有个缺点，就是每次只能练习10-20道题目，不能用题海战术，海量做题。能不能把网站的题库及解析都弄下来，在本地电脑上做题呢？以下是我的思路：1、分析并爬取手机软件的题库；2、调整好格式存入xls文件中；3、导入PC版可自定义的考试系统中（如教之初考试系统免费版）；4、自行设置考试模式，海量练习。

倒腾了两天，终于搞定，后续再更新文章！

涉及到几个点。

1、关于手机网络数据的分析，我是用Fiddler 4进行的分析。

2、关于excel表格的 *** 控，之前想用xlwings模块，后因没装office，用的是wps2013政府阉割版，无法 *** 控，后改用xlrd、xlutils、shutil、os模块自己写了一个excel *** 纵类对象，发现还是有问题，后卸载阉割版wps，换了wps2016最新版的，就可以 *** 作了。后来也没换xlwings模块了，将就着用自写模块。 大坑：xlrd模块好像不支持中文路径，全部换用英文路径，最后再把文件夹及文件名转换成中文的。

3、题库分类保存。

1、Fiddler抓包手机APP的网络请求

Fiddler是一款非常流行并且实用的http抓包工具，它的原理是在本机开启了一个http的代理服务器，然后它会转发所有的http请求和响应，不仅如此，它还可以支持请求重放等一些高级功能。显然它是可以支持对手机应用进行http抓包的。

设置在同一局域网下电脑端Fiddler抓取手机APP应用网络请求的步骤：

（1）电脑端启动Fiddler，打开菜单栏中的 Tools >Fiddler Options，打开“Fiddler Options”对话框。

（2）在Fiddler Options”对话框切换到“Connections”选项卡，然后勾选“Allow romote computers to connect”后面的复选框，然后点击“OK”按钮。（ 小技巧： HTTPS标签中可以设置下拉框为...from remote clients only ， 貌似 就只接收远程端的网络请求了）

（3）在电脑端的命令行输入：ipconfig，找到本机的ip地址。（我的局域网IP：192.168.1.10）

（4）在手机端，打开android设备的“设置”->“WLAN”，找到你要连接的网络，在上面长按，然后选择“修改网络”，d出网络设置对话框，然后勾选“显示高级选项”。 （其实苹果手机也是类似的）

（5）在“代理”后面的输入框选择“手动”，在“代理服务器主机名”后面的输入框输入电脑的ip地址，在“代理服务器端口”后面的输入框输入8888，然后点击“保存”按钮。

（6）然后启动android设备中的APP应用，在fiddler中可以看到完整的请求和响应数据。

2、手机APP应用网络数据分析

手机上打开某笔公考软件后，从Fiddler左侧栏中可以看到大量的请求链接。

点击上图黄色区域的链接，可看到右侧详细数据。

在右侧详细数据栏中，我们可以看到请求的网址：POST http:// xxx bi.com/android/sydw/exercises?&platform=android22&version=6.4.3&vendor=Tencent&app=gwy&deviceId=F4J/K8kXx6+C24yqFuzAiA==&av=8&kav=3 HTTP/1.1

post请求的参数keypointId=621638&type=3&limit=15

返回的数据为Json格式，从返回数据中我们可以找出questionIds对应的题目编号，如2084744.

点击上上图（Fiddler网络请求响应）中红色框中的链接地址，我们可以看到右侧详细数据栏的数据

从上图中我们可以找到ID号为2084744的题目的题干、选项、题型、答案等有用数据。

分析基本结束，此手机APP应用的模式基本是这样：先请求15道题的ids，再根据meidaoti的ids请求题目相关数据。后续测试发现，请求questionIds时，修改参数，能一次最多请求到100道题的ids。

另外，从左侧请求链接可以找出对应的章节分类请求链接，根据分类号再查找对应的questionids，就可以把所有的题目抓取出来。

3、xls *** 控

将就着基于xlrd模块编写自用模块。

源码在此，可能格式错乱。需整理。

'''python

#！/usr/bin/env python3

# -*- coding: utf-8 -*-

"""

Created on 2018-05-14 12:48:07

@author: wangzheng

Sys_Env : Windows_AMD64 Python3.5.2

Wechat : hrcl2015(微信)

Filename: MyXls.py

Description : xls文件 *** 控类MyXls

            注意：文件路径中不能有中文名，否则出错

"""

from xlrd import open_workbook

from xlutils.copy import copy

import os,shutil

class MyXls:

    def __init__(self,fpath=None,modelfpath=None,sheetindex=None,protectrow=None,overwrite=True):

        self.openxlspath=''#已打开的xls文件

        self.sheetindex=None#当前工作表索引

        self.rb=None#

        self.wb=None#workbook工作簿

        self.ws=None#worksheet工作表

        self.headrow=0#开头保护行数

        if (fpath is not None) and (modelfpath is not None):

            self.open_copy_xls(modelfpath,fpath,True)

        elif fpath is not None:self.open_xls(fpath)

        if sheetindex is not None:self.get_sheet(sheetindex)

        if protectrow is not None:self.headrow=protectrow

    def open_xls(self,fpath):

        path=fpath

        try:

            rb = open_workbook(path)

        except Exception as err:

            print("File not exists: "+str(err))

            return False

        #通过sheet_by_index()获取的sheet没有write()方法

        #rs = rb.sheet_by_index(0)

        #rs = rb.sheet_by_name('sheet 1')

        self.wb = copy(rb)

        self.openxlspath=path

        return True

    def get_sheet(self,sheet_index=0):

        sheets=sheet_index

        #通过get_sheet()获取的sheet有write()方法

        self.ws = self.wb.get_sheet(sheets)

        self.sheetindex=sheets

    def write_xls(self,row_index,column_index,data_str):

        row,col,data=row_index,column_index,data_str

        #写入数据

        self.ws.write(row,col,data)#write(行,列,内容)，索引从0开始

    def write_xls_bycolname(self,row_index,column_name,data_str):

        column_index=self.colname_to_num(column_name)

        row,col,data=row_index,column_index,data_str

        #写入数据

        self.ws.write(row,col,data)#write(行,列,内容)，索引从0开始

    def write_xls_bysheet(self,sheetindex,row_index,column_name,data_str):

        '''在指定工作表的指定行列表格中写入数据'''

        if self.sheetindex != sheetindex :self.get_sheet(sheetindex)

        self.write_xls_bycolname(row_index,column_name,data_str)

    def save_xls(self,fpath=None):

        if fpath is None:

            self.wb.save(self.openxlspath)

            print('saved '+self.openxlspath)

        else:

            path=fpath

            self.wb.save(path)#保存xls文件

            print('saved '+path)

        return True

    def open_copy_xls(self,model_fpath,new_fpath,overwrite=True):

        '''参照模板文件，复制并打开xls文件'''

        if os.path.exists(model_fpath) :

            new_fpath=self.auto_mkdir(new_fpath)

            if (not os.path.exists(new_fpath)) or overwrite:

                #print('copy[%s]to[%s]'%(model_fpath,new_fpath))

                shutil.copy(model_fpath,new_fpath)

                return self.open_xls(new_fpath)

            else:print('新文件已存在，请修改新文件名！')return False

        else:print('模板文件不存在，不能复制到新文件！')return False

    def num_to_colname(self,col_index,start=0):

        #列索引转列名，基数start从0开始,0-->A

        if type(col_index) != int:

            return col_index

        if start==0:

            x=col_index+1

        elif start==1:

            x=col_index

        s=''

        flag=False#借位标志

        while x>26:

            y=x%26#取余0-25

            if y==0:y=26flag=True

            d=chr(y+64)#低位

            s=d+s

            x=x//26#整除取商

            if flag:x=x-1flag=False#如果借位，商要先-1

        g=chr(x+64)#高位

        s=g+s

        return s

    def colname_to_num(self,colname,start=0):

        #列名转列索引 A-->0，B->1,开始基数start为0

        if type(colname) is not str:

            return colname

        colname=colname.upper()#转成大写

        col = 0

        power  = 1

        #print(len(colname))#位数

        for i in range(len(colname) - 1, -1, -1):#range(start=0,stop,step=1)

            ch = colname[i] #倒序取字母

            #print(ch)#所在位上的字母

            col += (ord(ch) - ord('A') +  1 ) * power

            power *= 26

        #print(col-1)

        if start==0:return col-1

        if start==1:return col

    def auto_mkdir(self,fpath):

        '''自动补全目录，目录不存在就创建目录'''

        #fpath='D:\\MyPython\\粉笔公考题库提取\\678\\980\\test.txt'

        fpath=fpath.replace('\\','/')

        if not os.path.exists(fpath):

            plst=fpath.split(sep='/')

            path=''

            if not fpath.endswith('/'):plst=plst[:-1]

            for p in plst:

                path=path+p+'/'

                if not os.path.exists(path):os.mkdir(path)

            return fpath

if __name__=='__main__':

    model_fpath='D:\\MyPython\\model.xls'

    new_fpath='D:\\MyPython\\abc\\123/out.xls'

#    myxls=MyXls()

#    myxls.open_copy_xls(model_fpath,new_fpath)

#    myxls.get_sheet(0)

    myxls=MyXls(new_fpath,model_fpath,2,3)

    myxls.write_xls_bycolname(6,'K','K列6行数据')

#    myxls.save_xls(new_fpath)

    myxls.save_xls()

    pass

'''

4、文件保存

保存成xls文件，和txt文件，txt文件再转换成word文档打印出来。大概有7个大类，100+小类，12737道题。

5、导入题库软件

xls文件导入题库中。

6、大功告成

PS：某笔app更新后，加入了防抓取数据的功能，貌似安卓5.1以上的都不能抓取了。

据资深网友反应，使用安卓模拟器（系统版本4.4）还可以抓到明文数据，有兴趣的读者可以试一试。

---