分析了6000款App，竟有这么多佳软神器没用过

[[251580]]

摘要： 如今移动互联网越来越发达，各式各样的 App 层出不穷，也就产生了优劣之分，相比于普通 App，我们肯定愿意去使用那些良心佳软，但去发现这些 App 并不太容易，本文使用 Scrapy 框架爬取了著名应用下载市场「酷安网」上的 6000 余款 App，通过分析，发现了各个类别领域下的佼佼者，这些 App 堪称真正的良心之作，使用它们将会给你带来全新的手机使用体验。

1. 分析背景

1.1. 为什么选择酷安

如果说 GitHub 是程序员的天堂，那么 酷安 则是手机 App 爱好者们(别称「搞机」爱好者)的天堂，相比于那些传统的手机应用下载市场，酷安有三点特别之处：

• 第一、可以搜索下载到各种 神器、佳软，其他应用下载市场几乎很难找得到。比如之前的文章中说过的终端桌面「Aris」、安卓最强阅读器「静读天下」、RSS 阅读器 「Feedme」 等。
• 第二、可以找到很多 App 的 破解版。我们提倡「为好东西付费」，但是有些 App 很蛋疼，比如「百度网盘」，在这里面就可以找到很多 App 的破解版。
• 第三、可以找到 App 的 历史版本。很多人喜欢用最新版本的 App，一有更新就马上升级，但是现在很多 App 越来越功利、越更新越臃肿、广告满天飞，倒不如 回归本源，使用体积小巧、功能精简、无广告的早期版本。

作为一名 App 爱好者，我在酷安上发现了很多不错的 App，越用越感觉自己知道的仅仅是冰山一角，便想扒一扒这个网站上到底有多少好东西，手动一个个去找肯定是不现实了，自然想到最好的方法——用爬虫来解决，为了实现此目的，最近就学习了一下 Scrapy 爬虫框架，爬取了该网 6000 款左右的 App，通过分析，找到了不同领域下的精品 App，下面我们就来一探究竟。

1.2. 分析内容

总体分析 6000 款 App 的评分、下载量、体积等指标。

根据日常使用功能场景，将 App 划分为：系统工具、资讯阅读、社交娱乐等 10 大类别，筛选出每个类别下的精品 App。

1.3. 分析工具

• Python
• Scrapy
• MongoDB
• Pyecharts
• Matplotlib

2. 数据抓取

由于酷安手机端 App 设置了反扒措施，使用 Charles 尝试后发现无法抓包， 暂退而求其次，使用 Scrapy 抓取网页端的 App 信息。抓取时期截止到 2018 年 11 月 23日，共计 6086 款 App，共抓取 了 8 个字段信息：App 名称、下载量、评分、评分人数、评论数、关注人数、体积、App 分类标签。

2.1. 目标网站分析

这是我们要抓取的 目标网页，点击翻页可以发现两点有用的信息：

• 每页显示了 10 条 App 信息，一共有610页，也就是 6100 个左右的 App 。
• 网页请求是 GET 形式，URL 只有一个页数递增参数，构造翻页非常简单。

接下来，我们来看看选择抓取哪些信息，可以看到，主页面内显示了 App 名称、下载量、评分等信息，我们再点击 App 图标进入详情页，可以看到提供了更齐全的信息，包括：分类标签、评分人数、关注人数等。由于，我们后续需要对 App 进行分类筛选，故分类标签很有用，所以这里我们选择进入每个 App 主页抓取所需信息指标。

通过上述分析，我们就可以确定抓取流程了，首先遍历主页面 ，抓取 10 个 App 的详情页 URL，然后详情页再抓取每个 App 的指标，如此遍历下来，我们需要抓取 6000 个左右网页内容，抓取工作量不算小，所以，我们接下来尝试使用 Scrapy 框架进行抓取。

2.2. Scrapy 框架介绍

介绍 Scrapy 框架之前，我们先回忆一下 Pyspider 框架，我们之前使用它爬取了 虎嗅网 5 万篇文章 ，它是由国内大神编写的一个爬虫利器， Github Star 超过 10K，但是它的整体功能还是相对单薄一些，还有比它更强大的框架么?有的，就是这里要说的 Scrapy 框架，Github Star 超过 30K，是 Python 爬虫界使用最广泛的爬虫框架，玩爬虫这个框架必须得会。

网上关于 Scrapy 的官方文档和教程很多，这里罗列几个。

• Scrapy 中文文档
• 崔庆才的 Scrapy 专栏
• Scrapy 爬拉勾
• Scrapy 爬豆瓣电影

Scrapy 框架相对于 Pyspider 相对要复杂一些，有不同的处理模块，项目文件也由好几个程序组成，不同的爬虫模块需要放在不同的程序中去，所以刚开始入门会觉得程序七零八散，容易把人搞晕，建议采取以下思路快速入门 Scrapy：

• 首先，快速过一下上面的参考教程，了解 Scrapy 的爬虫逻辑和各程序的用途与配合。
• 接着，看上面两个实操案例，熟悉在 Scrapy 中怎么写爬虫。
• 最后，找个自己感兴趣的网站作为爬虫项目，遇到不懂的就看教程或者 Google。

这样的学习路径是比较快速而有效的，比一直抠教程不动手要好很多。下面，我们就以酷安网为例，用 Scrapy 来爬取一下。

2.3. 抓取数据

首先要安装好 Scrapy 框架，如果是 Windwos 系统，且已经安装了 Anaconda，那么安装 Scrapy 框架就非常简单，只需打开 Anaconda Prompt 命令窗口，输入下面一句命令即可，会自动帮我们安装好 Scrapy 所有需要安装和依赖的库。

conda pip scrapy 

2.3.1. 创建项目

接着，我们需要创建一个爬虫项目，所以我们先从根目录切换到需要放置项目的工作路径，比如我这里设置的存放路径为：E:\my_Python\training\kuan，接着继续输入下面一行代码即可创建 kuan 爬虫项目：

# 切换工作路径 
e: 
cd E:\my_Python\training\kuan 
# 生成项目 
scrapy startproject kuspider 

执行上面的命令后，就会生成一个名为 kuan 的 scrapy 爬虫项目，包含以下几个文件：

scrapy. cfg # Scrapy 部署时的配置文件 
kuan # 项目的模块，需要从这里引入 
_init__.py 
items.py # 定义爬取的数据结构 
middlewares.py # Middlewares 中间件 
pipelines.py # 数据管道文件，可用于后续存储 
settings.py # 配置文件 
spiders # 爬取主程序文件夹 
_init_.py 

下面，我们需要再 spiders 文件夹中创建一个爬取主程序：kuan.py，接着运行下面两行命令即可：

cd kuan # 进入刚才生成的 kuan 项目文件夹 
scrapy genspider kuan www.coolapk.com  # 生成爬虫主程序文件 kuan.py 

2.3.2. 声明 item

项目文件创建好以后，我们就可以开始写爬虫程序了。

首先，需要在 items.py 文件中，预先定义好要爬取的字段信息名称，如下所示：

class KuanItem(scrapy.Item): 
# define the fields for your item here like: 
name = scrapy.Field() 
volume = scrapy.Field() 
download = scrapy.Field() 
follow = scrapy.Field() 
comment = scrapy.Field() 
tags = scrapy.Field() 
score = scrapy.Field() 
num_score = scrapy.Field() 

这里的字段信息就是我们前面在网页中定位的 8 个字段信息，包括：name 表示 App 名称、volume 表示体积、download 表示下载数量。在这里定义好之后，我们在后续的爬取主程序中会利用到这些字段信息。

2.3.3. 爬取主程序

创建好 kuan 项目后，Scrapy 框架会自动生成爬取的部分代码，我们接下来就需要在 parse 方法中增加网页抓取的字段解析内容。

class KuanspiderSpider(scrapy.Spider): 
   name = 'kuan' 
   allowed_domains = ['www.coolapk.com'] 
   start_urls = ['http://www.coolapk.com/'] 
 
   def parse(self, response): 
       pass 

打开主页 Dev Tools，找到每项抓取指标的节点位置，然后可以采用 CSS、Xpath、正则等方法进行提取解析，这些方法 Scrapy 都支持，可随意选择，这里我们选用 CSS 语法来定位节点，不过需要注意的是，Scrapy 的 CSS 语法和之前我们利用 pyquery 使用的 CSS 语法稍有不同，举几个例子，对比说明一下。

首先，我们定位到第一个 APP 的主页 URL 节点，可以看到 URL 节点位于 class 属性为 app_left_list 的 div 节点下的 a 节点中，其 href 属性就是我们需要的 URL 信息，这里是相对地址，拼接后就是完整的 URL。

接着我们进入酷安详情页，选择 App 名称并进行定位，可以看到 App 名称节点位于 class 属性为 .detail_app_title 的 p 节点的文本中。

定位到这两个节点之后，我们就可以使用 CSS 提取字段信息了，这里对比一下常规写法和 Scrapy 中的写法：

# 常规写法 
url = item('.app_left_list>a').attr('href') 
name = item('.list_app_title').text() 
# Scrapy 写法 
url = item.css('::attr("href")').extract_first() 
name = item.css('.detail_app_title::text').extract_first() 

可以看到，要获取 href 或者 text 属性，需要用 :: 表示，比如获取 text，则用 ::text。extract_first() 表示提取第一个元素，如果有多个元素，则用 extract() 。接着，我们就可以参照写出 8 个字段信息的解析代码。

首先，我们需要在主页提取 App 的 URL 列表，然后再进入每个 App 的详情页进一步提取 8 个字段信息。

def parse(self, response): 
   contents = response.css('.app_left_list>a') 
   for content in contents: 
       url = content.css('::attr("href")').extract_first() 
       url = response.urljoin(url)  # 拼接相对 url 为绝对 url 
       yield scrapy.Request(url,callback=self.parse_url) 

这里，利用 response.urljoin() 方法将提取出的相对 URL 拼接为完整的 URL，然后利用 scrapy.Request() 方法构造每个 App 详情页的请求，这里我们传递两个参数：url 和 callback，url 为详情页 URL，callback 是回调函数，它将主页 URL 请求返回的响应 response 传给专门用来解析字段内容的 parse_url() 方法，如下所示：

def parse_url(self,response): 
    item = KuanItem() 
    item['name'] = response.css('.detail_app_title::text').extract_first() 
    results = self.get_comment(response) 
    item['volume'] = results[0] 
    item['download'] = results[1] 
   item['follow'] = results[2] 
    item['comment'] = results[3] 
    item['tags'] = self.get_tags(response) 
    item['score'] = response.css('.rank_num::text').extract_first() 
    num_score = response.css('.apk_rank_p1::text').extract_first() 
    item['num_score'] = re.search('共(.*?)个评分',num_score).group(1) 
    yield item 
 
def get_comment(self,response): 
    messages = response.css('.apk_topba_message::text').extract_first() 
    result = re.findall(r'\s+(.*?)\s+/\s+(.*?)下载\s+/\s+(.*?)人关注\s+/\s+(.*?)个评论.*?',messages)  # \s+ 表示匹配任意空白字符一次以上 
    if result: # 不为空 
19        results = list(result[0]) # 提取出list 中第一个元素 
20        return results 
21 
22def get_tags(self,response): 
23    data = response.css('.apk_left_span2') 
24    tags = [item.css('::text').extract_first() for item in data] 
25    return tags 

这里，单独定义了 get_comment() 和 get_tags() 两个方法.

get_comment() 方法通过正则匹配提取 volume、download、follow、comment 四个字段信息，正则匹配结果如下：

result = re.findall(r'\s+(.*?)\s+/\s+(.*?)下载\s+/\s+(.*?)人关注\s+/\s+(.*?)个评论.*?',messages) 
print(result) # 输出第一页的结果信息 
# 结果如下： 
[('21.74M', '5218万', '2.4万', '5.4万')] 
[('75.53M', '2768万', '2.3万', '3.0万')] 
[('46.21M', '1686万', '2.3万', '3.4万')] 
[('54.77M', '1603万', '3.8万', '4.9万')] 
[('3.32M', '1530万', '1.5万', '3343')] 
[('75.07M', '1127万', '1.6万', '2.2万')] 
[('92.70M', '1108万', '9167', '1.3万')] 
[('68.94M', '1072万', '5718', '9869')] 
[('61.45M', '935万', '1.1万', '1.6万')] 
[('23.96M', '925万', '4157', '1956')] 

然后利用 result[0]、result[1] 等分别提取出四项信息，以 volume 为例，输出第一页的提取结果：

item['volume'] = results[0] 
print(item['volume']) 
21.74M 
75.53M 
46.21M 
54.77M 
3.32M 
75.07M 
92.70M 
68.94M 
61.45M 
23.96M 

这样一来，第一页 10 款 App 的所有字段信息都被成功提取出来，然后返回到 yied item 生成器中，我们输出一下它的内容：

[ 
{'name': '酷安', 'volume': '21.74M', 'download': '5218万', 'follow': '2.4万', 'comment': '5.4万', 'tags': "['酷市场', '酷安', '市场', 'coolapk', '装机必备']", 'score': '4.4', 'num_score': '1.4万'},  
{'name': '微信', 'volume': '75.53M', 'download': '2768万', 'follow': '2.3万', 'comment': '3.0万', 'tags': "['微信', 'qq', '腾讯', 'tencent', '即时聊天', '装机必备']",'score': '2.3', 'num_score': '1.1万'}, 
... 
] 

2.3.4. 分页爬取

以上，我们爬取了第一页内容，接下去需要遍历爬取全部 610 页的内容，这里有两种思路：

• 第一种是提取翻页的节点信息，然后构造出下一页的请求，然后重复调用 parse 方法进行解析，如此循环往复，直到解析完最后一页。
• 第二种是先直接构造出 610 页的 URL 地址，然后批量调用 parse 方法进行解析。

这里，我们分别写出两种方法的解析代码，第一种方法很简单，直接接着 parse 方法继续添加以下几行代码即可：

def parse(self, response): 
   contents = response.css('.app_left_list>a') 
  for content in contents: 
       ... 
 
   next_page = response.css('.pagination li:nth-child(8) a::attr(href)').extract_first() 
  url = response.urljoin(next_page) 
   yield scrapy.Request(url,callback=self.parse ) 

第二种方法，我们在最开头的 parse() 方法前，定义一个 start_requests() 方法，用来批量生成 610 页的 URL，然后通过 scrapy.Request() 方法中的 callback 参数，传递给下面的 parse() 方法进行解析。

def start_requests(self): 
       pages = [] 
       for page in range(1,610):  # 一共有610页 
           url = 'https://www.coolapk.com/apk/?page=%s'%page 
          page =  scrapy.Request(url,callback=self.parse) 
           pages.append(page) 
       return pages 

以上就是全部页面的爬取思路，爬取成功后，我们需要存储下来。这里，我面选择存储到 MongoDB 中，不得不说，相比 MySQL，MongoDB 要方便省事很多。

2.3.5. 存储结果

我们在 pipelines.py 程序中，定义数据存储方法，MongoDB 的一些参数，比如地址和数据库名称，需单独存放在 settings.py 设置文件中去，然后在 pipelines 程序中进行调用即可。

import pymongo 
class MongoPipeline(object): 
    def __init__(self,mongo_url,mongo_db): 
        self.mongo_url = mongo_url 
        self.mongo_db = mongo_db 
    @classmethod 
    def from_crawler(cls,crawler): 
        return cls( 
            mongo_url = crawler.settings.get('MONGO_URL'), 
            mongo_db = crawler.settings.get('MONGO_DB') 
        ) 
    def open_spider(self,spider): 
        self.client = pymongo.MongoClient(self.mongo_url) 
        self.db = self.client[self.mongo_db] 
    def process_item(self,item,spider): 
        name = item.__class__.__name__ 
        self.db[name].insert(dict(item)) 
        return item 
    def close_spider(self,spider): 
        self.client.close() 

首先，我们定义一个 MongoPipeline()存储类，里面定义了几个方法，简单进行一下说明：

• from crawler() 是一个类方法，用 @class method 标识，这个方法的作用主要是用来获取我们在 settings.py 中设置的这几项参数：
• 1MONGO_URL = 'localhost'2MONGO_DB = 'KuAn'3ITEM_PIPELINES = {4 'kuan.pipelines.MongoPipeline': 300,5}
• open_spider() 方法主要进行一些初始化操作 ，在 Spider 开启时，这个方法就会被调用 。
• process_item() 方法是最重要的方法，实现插入数据到 MongoDB 中。

 

完成上述代码以后，输入下面一行命令就可以开始整个爬虫的抓取和存储过程了，单机跑的话，6000 个网页需要不少时间才能完成，保持耐心。

scrapy crawl kuan 

这里，还有两点补充：

第一，为了减轻网站压力，我们最好在每个请求之间设置几秒延时，可以在 KuanSpider() 方法开头出，加入以下几行代码：

custom_settings = { 
       "DOWNLOAD_DELAY": 3, # 延迟3s,默认是0，即不延迟 
       "CONCURRENT_REQUESTS_PER_DOMAIN": 8 # 每秒默认并发8次，可适当降低 
   } 

第二，为了更好监控爬虫程序运行，有必要 设置输出日志文件，可以通过 Python 自带的 logging 包实现：

import logging 
logging.basicConfig(filename='kuan.log',filemode='w',level=logging.WARNING,format='%(asctime)s %(message)s',datefmt='%Y/%m/%d %I:%M:%S %p') 
logging.warning("warn message") 
logging.error("error message") 

这里的 level 参数表示警告级别，严重程度从低到高分别是：DEBUG < INFO < WARNING < ERROR < CRITICAL，如果想日志文件不要记录太多内容，可以设置高一点的级别，这里设置为 WARNING，意味着只有 WARNING 级别以上的信息才会输出到日志中去。

添加 datefmt 参数是为了在每条日志前面加具体的时间，这点很有用处。

以上，我们就完成了整个数据的抓取，有了数据我们就可以着手进行分析，不过这之前还需简单地对数据做一下清洗和处理。

3. 数据清洗处理

首先，我们从 MongoDB 中读取数据并转化为 DataFrame，然后查看一下数据的基本情况。

def parse_kuan(): 
    client = pymongo.MongoClient(host='localhost', port=27017) 
    db = client['KuAn'] 
    collection = db['KuAnItem'] 
    # 将数据库数据转为DataFrame 
    data = pd.DataFrame(list(collection.find())) 
    print(data.head()) 
    print(df.shape) 
   print(df.info()) 
    print(df.describe()) 

 

从 data.head() 输出的前 5 行数据中可以看到，除了 score 列是 float 格式以外，其他列都是 object 文本类型。

comment、download、follow、num_score 这 5 列数据中部分行带有「万」字后缀，需要将字符去掉再转换为数值型;volume 体积列，则分别带有「M」和「K」后缀，为了统一大小，则需将「K」除以 1024，转换为 「M」体积。

整个数据一共有 6086 行 x 8 列，每列均没有缺失值。

df.describe() 方法对 score 列做了基本统计，可以看到，所有 App 的平均得分是 3.9 分(5 分制)，最低得分 1.6 分，最高得分 4.8 分。

下面，我们将以上几列文本型数据转换为数值型数据，代码实现如下：

def data_processing(df): 
#处理'comment','download','follow','num_score','volume' 5列数据，将单位万转换为单位1，再转换为数值型 
    str = '_ori' 
    cols = ['comment','download','follow','num_score','volume'] 
    for col in cols: 
        colori = col+str 
        df[colori] = df[col] # 复制保留原始列 
        if not (col == 'volume'): 
            df[col] = clean_symbol(df,col)# 处理原始列生成新列 
        else: 
            df[col] = clean_symbol2(df,col)# 处理原始列生成新列 
 
    # 将download单独转换为万单位 
  df['download'] = df['download'].apply(lambda x:x/10000) 
    # 批量转为数值型 
    df = df.apply(pd.to_numeric,errors='ignore') 
 
def clean_symbol(df,col): 
    # 将字符“万”替换为空 
    con = df[col].str.contains('万$') 
    df.loc[con,col] = pd.to_numeric(df.loc[con,col].str.replace('万','')) * 10000 
   df[col] = pd.to_numeric(df[col]) 
    return df[col] 
 
def clean_symbol2(df,col): 
    # 字符M替换为空 
    df[col] = df[col].str.replace('M$','') 
    # 体积为K的除以 1024 转换为M 
    con = df[col].str.contains('K$') 
    df.loc[con,col] = pd.to_numeric(df.loc[con,col].str.replace('K$',''))/1024 
    df[col] = pd.to_numeric(df[col]) 
    return df[col] 

以上，就完成了几列文本型数据的转换，我们再来查看一下基本情况：

download 列为 App 下载数量，下载量最多的 App 有 5190 万次，最少的为 0 (很少很少)，平均下载次数为 14 万次;从中可以看出以下几点信息：

• volume 列为 App 体积，体积最大的 App 达到近 300M，体积最小的几乎为 0，平均体积在 18M 左右。
• comment 列为 App 评分，评分数最多的达到了 5 万多条，平均有 200 多条。

以上，就完成了基本的数据清洗处理过程，下面将对数据进行探索性分析。

4. 数据分析

我们主要从总体和分类两个维度对 App 下载量、评分、体积等指标进行分析。

4.1. 总体情况

4.1.1. 下载量排名

首先来看一下 App 的下载量情况，很多时候我们下载一个 App ，下载量是一个非常重要的参考指标，由于绝大多数 App 的下载量都相对较少，直方图无法看出趋势，所以我们择将数据进行分段，离散化为柱状图，绘图工具采用的是 Pyecharts。

可以看到多达 5517 款(占总数 84%)App 的下载量不到 10 万， 而下载量超过 500 万的仅有 20 款，开发一个要想盈利的 App ，用户下载量尤为重要，从这一点来看，大部分 App 的处境都比较尴尬，至少是在酷安平台上。

代码实现如下：

from pyecharts import Bar 
# 下载量分布 
bins = [0,10,100,500,10000] 
group_names = ['<=10万','10-100万','100-500万','>500万'] 
cats = pd.cut(df['download'],bins,labels=group_names) #  用 pd.cut() 方法进行分段 
cats = pd.value_counts(cats) 
bar = Bar('App 下载数量区间分布','绝大部分 App 下载量低于 10 万') 
# bar.use_theme('macarons') 
bar.add( 
    'App 数量 (个)', 
    list(cats.index), 
    list(cats.values), 
   is_label_show = True, 
    is_splitline_show = False, 
) 
bar.render(path='download_interval.png',pixel_ration=1) 

接下来，我们看看 下载量最多的 20 款 App 是哪些：

可以看到，这里「酷安」App 以 5000 万+ 次的下载量遥遥领先，是第二名微信 2700 万下载量的近两倍，这么巨大的优势也很容易理解，毕竟是自家的 App，如果你手机上没有「酷安」，说明你还不算是一个真正的「搞机爱好者」，从图中我们还可以看出以下几点信息：

• TOP 20 款 App 中，很多都是装机必备，算是比较大众型的 App。
• 右侧 App 评分图中可以看到仅有 5 款 App 评分超过了 4 分(5 分制)，绝大多数的评分都不到 3 分，甚至到不到 2 分，到底是因为这些 App 开发者做不出好 App 还是根本不想做出来?
• 相较于其他 App，RE 管理器、绿色守护 这几款非常突出，其中 RE 管理器在如此高的下载量下，仍然能够得到 4.8 分(最高分)并且体积只有几 M，实属难得，什么是「良心 App」，这类就是。

作为对比，我们再来看看下载量最少的 20 款 App。

可以看到，与上面的那些下载量多的 App 相比，这些就相形见绌了，下载量最少的 「广州限行通」更是只有 63 次下载。

这也不奇怪，可能是 App 没有宣传、也可能是刚开发出来，这么少的下载量评分还不错，也还能继续更新，为这些开发者点赞。

其实，这类 App 不算囧，真正囧的应该是那些 下载量很多、评分却低到不能再低 的 App，给人的感觉是：「我就这么烂爱咋咋地，有本事别用」。

4.1.2. 评分排名

接下来，我们看看 App 的总体得分情况。这里，将得分分为了以下 4 个区间段，并且为不同分数定义了相应的等级。

可以发现这么几点有意思的现象：

• 3 分以下的软件非常少，只占不到 10%，而之前下载量最多的 20 款 APP 中，微信、QQ、淘宝、支付宝等大多数软件的得分都不到 3 分，这就有点尴尬了。
• 中品也就是中等得分的 App 数量最多。
• 4 分以上的 高分 APP 数量占了近一半(46%)，可能是这些 App 的确还不错，也可能是由于评分数量过少，为了优中选优，后续有必要设置一定筛选门槛。

接下来，我们看看评分最高的 20 款 App 有哪些，很多时候我们下载 App 都是跟着「哪个评分高，下载哪个」这种感觉走。

可以看到，评分最高的 20 个 App，它们都得到了 4.8 分 ，包括：RE 管理器(再次出现)、Pure 轻雨图标包等，还有一些不太常见，可能这些都是不错的 App，不过我们还需要结合看一下下载量，它们的下载量都在 1 万以上，有了一定的下载量，评分才算比较可靠，我们就能放心的下载下来体验一下了。

经过上面的总体分析，我们大致发现了一些不错的 App ，但还不够，所以接下来将进行细分并设置一定筛选条件。

4.2. 分类情况

按照 App 功能和日常使用场景，将 App 分为以下 9 大类别，然后 从每个类别中筛选出 20 款最棒的 App。

为了尽可能找出最好的 App，这里不妨设置 3 个条件：

• 评分不低于 4 分
• 下载量不低于 1 万
• 设置一个总分评价指标(总分 = 下载量 * 评分)，再标准化为满分 1000 分，作为 App 的排名参照指标。

经过评选之后，我们依次得到了各个类别下分数最高的 20 款 App，这些 App 大部分的确是良心软件。

4.2.1. 系统工具

系统工具包括了：输入法、文件管理 、系统清理、桌面、插件、锁屏等。

可以看到，第一名是大名鼎鼎的老牌文件管理器「RE 管理器」，仅有 5 M 大小的它除了具备普通文件管理器的各项功能以外，最大的特点是能够卸载手机自带的 App，不过需要 Root。

「ES 文件浏览器」的文件分析器功能非常强大，能够有效清理臃肿的手机空间。

「一个木函」这款 App 就比较牛逼了，正如它的软件介绍「拥有很多，不如有我」所说，打开它你能发现它提供了好几十项实用功能，比如：翻译、以图搜图、快递查询、制作表情包等等。

再往下的「Super SU」、「存储空间清理」、「镧」、「MT 管理器」、「My Android Tools」都力荐，总之，这份榜单上的 App 可以说都值得进入你的手机 App 使用名单。

4.2.2. 社交聊天

社交聊天类中， 「Share 微博客户端」位居第一，作为一款第三方客户端 App，它自然有比官方版本好的地方，比如相比正版 70M 的体积，它只有其十分之一大小，也几乎没有广告，还有额外强大的诸多功能，如果你爱刷微博，那么不妨尝试下这款「Share」。

「即刻」这款 App 也相当不错，再往下还能看到前阵子很火的「子弹短信」，宣称将要取代微信，看来短期内应该是做不到了。

你可能会发现，这份社交榜单上没有出现「知乎」、「豆瓣」、「简书」这类常见的 App，是因为它们的评分都比较低，分别只有 2.9分、3.5分和 2.9 分，自然进入不了这份名单，如果你一定想用它们，推荐去使用它们的第三方客户端或者历史版本。

4.2.3. 资讯阅读

可以看到，在资讯阅读类中，「静读天下」牢牢占据了第一名，我之前专门写过一篇文章介绍它：安卓最强阅读器。

同类别中的「多看阅读」、「追书神器」、「微信读书」也都进入了榜单。

另外，如果你经常为不知道去哪里下载电子书而头疼，那不妨试一下「搜书大师」、「老子搜书」。

4.2.4. 影音娱乐

接下来是影音娱乐版块，网易家的「网易云音乐」毫无压力地占据头名，难得的大厂精品。

如果你爱玩游戏，那么 「Adobe AIR」应该尝试一下。

如果你很文艺，那么应该会喜欢「VUE」这款短视频拍摄 App，创作好以后发到朋友圈绝对能装逼。

最后一位的「海贝音乐」很赞，最近发现它有一个强大的功能是结合百度网盘使用，它能够自动识别音频文件然后播放。

4.2.5. 通讯网络

下面到了通讯网络类别，这个类别主要包括：浏览器、通讯录、通知、邮箱等小类。

浏览器，我们每个人手机上都有，用的也五花八门，有些人就用手机自带的浏览器，有些人用 Chrome、火狐这类大牌浏览器。

不过你会发现榜单上的前三位你可能听都没听过，但是它们真的很牛逼，用「极简高效、清爽极速」来形容再适合不过，其中 「Via 」和 「X 浏览器」 体积不到 1M ，真正的「麻雀虽小、五脏俱全」，强烈推荐。

4.2.6. 摄影图片

拍照修图也是我们常用的功能。也许你有自己的图片管理软件，但是这里要强烈推荐第一名「快图浏览」这款 App，只有 3M 大小的它，能够瞬间发现和加载上万张图片，如果你是拍照狂魔，用它打开再多的照片也能秒开，另外还拥有隐藏私密照片、自动备份百度网盘等功能。它是我使用时间最久的 App 之一。

4.2.7. 文档写作

我们时常需要在手机上写作、做备忘录，那么自然需要好的文档写作类 App。

「印象笔记」就不用多说了，我觉得最好用的笔记总结类 App。

如果你喜欢使用 Markdown 写作，那么「纯纯写作」这款精巧的 App 应该会很适合你。

体积不到 3M 却拥有云备份、生成长图、中英文自动空格等数十项功能，即使这样，仍然保持了蕴繁于简的设计风格，这大概就是两三个月之内，下载量就从两三万飙升了十倍的原因，而这款 App 的背后是一位 牺牲了几年的业余时间不断开发和更新的大佬，值得敬佩。

4.2.8. 出行交通购物

这个类别中，排名第一的居然是 12306，一提起它，就会想起那一张张奇葩的验证码，不过这里的 App 不是官网的 ，而是第三方开发的。最牛逼的功能应该就是「抢票了」，如果你还在靠发朋友圈来抢票的话，那不妨试一下它。

 

4.2.9. Xposed 插件

最后一个类别是 Xposed，很多人应该不太熟悉，但是一提微信上的抢红包、防撤回功能，应该很多人就知道了。这些牛逼又不同寻常的功能就用到了 Xposed 框架里的各种模块功能。这个框架由国外著名的 XDA 手机论坛，你经常听到的一些所谓由 XDA 大神破解的软件，就是来自这个论坛。

简单地说就是，安装了 Xposed 这个框架之后，就可以在里面安装一些好玩有趣的插件，有了这些插件，你的手机就能实现更多更大的功能。比如：能够去除广告、破解 App 付费功能、杀死耗电的自启动进程、虚拟手机定位等功能。

不过使用这个框架和这些插件需要刷机、ROOT，门槛有点高。

5. 小结

本文使用 Scrapy 框架爬取分析了酷安网的 6000 款 App，初学 Scrapy 可能会觉得程序写起来比较散乱，所以可以尝试先使用普通的函数方法，把程序完整地写在一起，再分块拆分到 Scrapy 项目中，这样也有助于从单一程序到框架写法的思维转变，之后会写单独写一篇文章。

由于网页版的 App 数量比 App 中的少，所以还有很多好用的 App 没有包括进来，比如 Chrome 、MX player、Snapseed 等，建议使用酷安 App，那里有更多好玩的东西。

以上就是整篇文章的爬取与分析过程，文中涉及了很多精品佳软，如有兴趣可以去尝试下载体验一下