做英语学习工具或者备考资料整理的人，大概率都有过这样一个念头：百词斩里的单词翻译、真人发音、例句和例句翻译都挺规整，要是能按自己的词库批量拉下来，做成Anki卡片、离线词表或者自用的词典，效率会高很多。手动一个一个复制粘贴显然不现实，最靠谱的路径就是抓包。
我用的工具是Charles，圈子里一般叫“青花瓷”。它是一个老牌的HTTP/HTTPS抓包工具，跨平台、界面直观、过滤和重放功能顺手。你只要把手机或模拟器代理到电脑上的Charles，就能看到百词斩APP发出去的每一个请求和返回的数据，找到单词翻译、音频地址、例句翻译这些关键接口。
整个过程可以分成五步：环境准备、证书信任、抓包定位、接口拆解、批量取数。这篇文章就从零开始把这些环节全部走一遍，重点是告诉你每一步为什么这么做，以及实际操作中那些文档里不会写的坑。适合想批量整理英语学习资源的朋友，也适合刚接触抓包、想用一个真实项目练手的开发者。
1. 抓包前的准备：Charles环境与证书配置
1.1 先搞清楚抓包的原理：为什么要配代理和证书
很多人刚装好Charles，打开一看界面全是英文，还不知道从哪下手，就开始到处找破解版。其实关键不是软件界面，而是没搞懂这工具的工作原理。
抓包说白了就是在你和服务器之间插了一个“中间人”。正常情况下，百词斩APP直接和它的服务器通信，数据一来一回你看不到。把手机代理到Charles后，所有流量先经过Charles这台电脑，Charles再把请求转发给服务器，然后把响应原样返回。这样你就能看到中间经过的每一个包裹。
但这里有个关键问题：百词斩的接口基本都是HTTPS加密流量。HTTPS的目的就是防止中间人偷看内容，所以光设代理还不够，你还得让手机信任Charles这个“中间人”。具体做法是：Charles生成一个属于它自己的SSL证书，你把这个证书安装到手机里，然后手机就认为“Charles是可信的服务器”，Charles就能解密HTTPS流量并展示明文JSON。
这就是为什么“证书安装”在抓包教程里永远是重头戏。证书没装好，后面的所有步骤都是白搭。知道这个原理后，你再看到“unknown”或者SSL相关报错，思路就会清晰很多：先怀疑证书。
注意：抓包只针对你拥有或你有权测试的设备与APP，获取到的内容请用于合法的学习研究，不要做批量商用或侵犯版权的行为。
1.2 Charles下载安装与基础参数设置
第一步是装好Charles。官方站直接下载对应系统的安装包，Windows和macOS都有，安装过程没什么特别的，一路下一步就行。圈子里常提的“青花瓷”指的就是它，因为图标配色像青花瓷，叫法就这么传开了。
软件装完后会进入试用状态，试用期过了需要注册名和许可证。这部分自己去想办法搞定就行，我不展开讲。但我建议，如果只是短期用，可以先免费试用把整个流程跑通，确认方案可行后再考虑长期使用。
装好后先做两件基础设置。
第一个是确认代理端口。打开菜单栏的 Proxy → Proxy Settings，HTTP Proxy 那一栏的端口默认是 8888，一般不用改，记住这个数字。后面手机和模拟器配代理的时候要用。
第二个是开启SSL解密范围。在 Proxy → SSL Proxying Settings 里，勾上 Enable SSL Proxying，然后在 Location 列表里添加两条规则：Host填 *，Port填 *，意思是所有域名的HTTPS流量都尝试解密。这样做最省事，缺点是抓包日志里会混入大量无关流量。如果你只关心百词斩，也可以只添加百词斩可能用到的域名，日志会更干净。但第一次操作我建议直接用通配符，先把数据看到，再逐步过滤。
顺带说一句，如果你在Windows上抓包时看到界面提示“you may need to configure your browser or application to trust the Charles root certificate”，这就是电脑端的系统证书信任问题，不是手机端的事。我已经不止一次看到有人卡在这个提示上，后面常见问题里详细说。
1.3 手机端代理设置与证书安装
电脑这边配置好以后，让手机和电脑连同一个WiFi。然后在Charles的菜单里找到 Help → Local IP Address，能看到电脑在当前局域网里的IP地址，类似192.168.x.x。这个IP就是手机代理要填的。
手机上打开WiFi设置，找到当前连接的WiFi，进入代理设置（iOS在“配置代理”里，安卓一般在WLAN的高级设置里），选择手动代理，服务器填刚才看到的IP，端口填8888。保存后随便打开一个网页，如果Charles里开始刷出请求，说明代理已经通了。
接着安装Charles的SSL证书。在手机浏览器（iOS必须是Safari，安卓用Chrome或系统浏览器）里打开Charles的证书下载地址，下载描述文件或证书文件。iPhone下载完还要去 设置 → 通用 → 关于本机 → 证书信任设置，把Charles的证书开关打开，否则照样不生效。安卓则是去 设置 → 安全 → 加密与凭据 → 安装CA证书，选择刚下载的证书文件。
这一套流程我第一次走的时候大概花了十分钟，原因是iPhone下载完描述文件后没有去信任，导致一直显示unknown。所以你装完证书别急着抓包，先确认“已安装”和“已信任”两个状态都到位。
2. 抓包百词斩：从一次点击定位数据接口
2.1 制造一次干净的抓包场景
证书都弄好之后，就可以正式开始抓百词斩了。这一章的思路不只是“抓包”，而是教会你如何在大量流量里精准定位想要的数据。
我的习惯是，打开百词斩之前，先在Charles底部工具栏点一下扫把图标（Clear），把之前所有日志清空。然后打开百词斩，随便进入一个单词的详情页，记下这个单词。比如你选了“abandon”，那么下面所有步骤里，你看Charles日志时脑子里就只盯住这个“abandon”，其他任何请求都先无视。
进入详情页后，页面一般会有几类数据同时加载：单词的基本释义、音标、图片、单词发音、例句、例句翻译、例句发音。为了确保这些请求都发出来了，你最好主动点一下页面上的“发音”按钮，再展开例句听听音频。这些动作会触发百词斩向服务器请求对应的音频文件。
做完这组操作后，切回Charles。如果你是第一次看抓包日志，大概率会有点头皮发麻：请求数量很多，域名五花八门，有统计日志的、有广告SDK的、有图片CDN的，真正和单词数据有关的可能就两三条。别慌，按下面的方法过滤。
2.2 用过滤和搜索快速锁定目标请求
Charles界面上方有一个 Filter 输入框，可以直接输入关键词来实时过滤列表。最省事的做法是输入你刚才点开的那个单词，比如“abandon”。这样列表里剩下的请求都是包含这个词的，很可能就是你要找的数据接口。
如果过滤之后请求还是多，你也可以用 Charles 的右键菜单里“Focus”功能。在 Structure 视图下，按域名展开所有请求。你找一个看起来像 API 服务的域名，右键它，选择 Focus，这样接下来所有该域名的请求会单独优选显示，其他域名默认折叠。配合Filter输入框，基本几十秒就能定位到候选接口。
定位到候选请求后，最直接的验证方式就是看响应内容。点击那个请求，选择右侧的 Contents 标签，查看 Response 区域。如果是明文JSON，并且里面包含你刚才在APP里看到的翻译文字，那这个接口就是单词数据的主接口，基本没跑了。再往下拉，你会看到音频URL、例句数组等字段，全都在这里面。
2.3 从JSON响应中读出你需要的信息
我以“abandon”为例，把一份真实场景下可能看到的响应结构拆开讲讲。不同版本的百词斩或不同运营阶段的接口，字段名不一定完全一样，但这类词典数据的组织方式大体一致。
常见的JSON结构大概是这样的：
{ "word": "abandon", "translation": "v. 抛弃；放弃", "phonetic": "/əˈbændən/", "audio": "https://your-cdn.example.com/audio/abandon_us.mp3", "examples": [ { "sentence": "He abandoned his plan.", "translation": "他放弃了他的计划。", "audio": "https://your-cdn.example.com/audio/example/abandon_1.mp3" } ] }注意这只是一种可能性极高的结构示例，不代表百词斩当前线上接口一定长这样。你抓包时看到的名字可能是音标、词性、例句、音节等不同写法，但核心逻辑是一样的：单词基础信息是一组字段，例句是一个数组，每个例句里又有英文、中文翻译和音频地址。
找到这样一个接口后，我一般会做两件事。第一件事，右键这个请求，选择 Copy cURL Request，把整条请求连同Headers和参数复制下来，存成一个txt文件。第二件事，在Response的JSON里找到音频地址，复制到浏览器打开，确认可以直接下载。这两件事做完，说明批量提取的技术路径已经打通了。
3. 核心内容拆解：音频、翻译、例句的完整数据链
3.1 单词翻译与音标数据的组织方式
把接口结构搞明白，是整件事里的分水岭。很多人卡在“看到了请求但不知道下一步”的阶段，其实就是没理解词典类APP的数据组织思路。
像百词斩这类产品，单词详情的数据不会密密匝匝地塞在一块儿。它一般会用“基础信息 + 资源地址”的组合模式。基础信息（翻译、词性、音标、定义）放在主接口的JSON里，音频、例句的音频文件则放在CDN上，JSON里只给一个可以下载的URL。这种设计的好处是APP不用一次性下载大文件，页面可以按需加载。
所以你在处理数据时，也可以沿用同样的结构来组织本地库：一个单词一个文件夹，里面放一个JSON描述文件（word、translation、phonetic、examples这些字段），再放两个MP3文件（单词音频和例句音频）。这样比起把数据全都平铺在一个表格里，后续做Anki卡片或者自定义复习工具时会更灵活。
说句实在话，音频URL字段是你最该关注的东西。因为翻译和例句文本可以直接复制，但音频如果不从接口里拿，想凑齐一套高质量的发音资源，得费不少功夫。抓包时凡是看到类似cdn、voice、audio这样的域名，都属于重点目标，别漏掉。
3.2 单词音频与例句音频的下载方式
确认音频URL可以直接访问后，事情就简单了。音频文件的下载本质上就是一次GET请求。
手动场景下，你可以在Charles里找到那条音频请求，右键 → Save Response，把返回的MP3存到本地。这个方法适合就想要几个音频的情况。但如果你手里有一份几百上千的单词清单，手动一个个保存显然是灾难。
批量场景下，就用代码脚本去下载。文章第4部分会给完整Python示例，这里先讲清楚原理。你需要做三件事：第一，从主接口JSON中提取音频字段；第二，把音频URL交给HTTP客户端去请求；第三，把返回的二进制数据写成文件。因为前面已经确认了音频URL是标准静态资源，直接下载就行，不需要额外处理鉴权参数。
这里有个容易踩的坑：音频请求在Charles里显示的域名，和主接口的域名可能不是同一个。一个词的数据可能来自多个域名。所以你在配置SSL Proxying的时候，如果发现音频请求显示unknown，回到第1部分的SSL Proxying设置里，把这些CDN域名也加进去。简单办法是继续用通配符 *，先保证所有域名的HTTPS都能解开。
3.3 例句翻译与单词翻译的绑定关系
例句数据结构里最有意思的部分是“绑定关系”。翻译和音频不是散落的，它们和具体的例句是一一对应的。
抓包后你会看到，每个例句对象差不多是这个逻辑：英文原句、中文翻译、这个例句的朗读音频。这个设计的含义是：你在本地整理时，不能只把例句文本摘出来，还要把例句翻译和例句音频放在同一个结构体里。否则后面你做一个带发音的例句卡片时，文本、翻译、音频对不上号，就乱套了。
我自己在整理词库时，是以单词为唯一Key建索引，然后每个单词下面挂一个JSON对象，包含它的翻译、音标、单词音频URL数组、以及一个或多个例句对象。数据落库时保持这个层级，不要为了图方便全部拉平成一条记录。这样既方便自己写脚本读取，也方便后续按模板导出。
结合我自己做过的几次数据整理，例句音频的素材价值经常被低估。很多工具只做了单词发音，例句发音往往参差不齐。而从百词斩这类成熟产品里抓到的例句音频，发音质量和文本对齐程度都很高，做听力素材很合适。
4. 批量提取实操：从接口到本地词库
4.1 用Charles导出请求样本，为脚本铺路
在写脚本之前，先利用Charles把样本请求固定下来。这一步很多人会跳过，但在我看来特别重要。
在上一章找到的主接口请求上右键，选择 Copy cURL Request。这一步会把请求的完整链路复制出来，包括请求地址、请求方法、请求头、认证信息、查询参数等。存成一个txt，后面写Python脚本时随时对照，就不用反复回Charles里翻。
为什么强调这个？因为百词斩的接口有些可能带了签名参数、时间戳或者登录后的token。你在浏览器里直接访问URL也许能通，但脚本里很容易因为少了某个Header被服务器拒绝。从Charles复制出来的cURL就是最可靠的参考样本。
复制出来之后，你先在命令行里直接执行一下这个cURL命令，确认能拿到数据。能拿到，说明请求链路是通的。接下来再用Python复现，就只要把Headers和参数照搬过去即可。
4.2 用Python脚本批量下载单词音频、翻译和例句
拿到一个能通的主接口请求后，批量提取就是一个体力活了。思路是：准备一个单词清单，逐个请求主接口，解析JSON，保存信息并下载音频。
下面给一个适合自行扩展的Python脚本。它能帮你把每个单词的翻译、音标、例句、例句翻译保存成JSON，并把单词音频和例句音频下载到对应文件夹。
import requests import json import os import time WORD_FILE = "words.txt" API_TEMPLATE = "https://your-api.example.com/dict/word/{word}" HEADERS = { "User-Agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 16_0 like Mac OS X)", "Authorization": "Bearer your_token_here", "Cookie": "your_cookie_here", } def fetch_word(word): url = API_TEMPLATE.format(word=word) resp = requests.get(url, headers=HEADERS, timeout=10) resp.raise_for_status() return resp.json() def download_file(url, path): if not url: return resp = requests.get(url, headers=HEADERS, timeout=15) resp.raise_for_status() with open(path, "wb") as f: f.write(resp.content) words = [] with open(WORD_FILE, "r", encoding="utf-8") as f: for line in f: word = line.strip() if word: words.append(word) for word in words: try: data = fetch_word(word) os.makedirs(word, exist_ok=True) info_path = os.path.join(word, "info.json") with open(info_path, "w", encoding="utf-8") as f: json.dump(data, f, ensure_ascii=False, indent=2) download_file(data.get("audio"), os.path.join(word, "word.mp3")) examples = data.get("examples", []) for idx, example in enumerate(examples, 1): download_file(example.get("audio"), os.path.join(word, f"example_{idx}.mp3")) print(f"[OK] {word}") except Exception as exc: print(f"[FAIL] {word}: {exc}") time.sleep(0.5)使用这套脚本前，有三处地方必须替换成你自己的数据：API_TEMPLATE要换成第4.1节里复制出来的真实接口地址（注意把单词参数位置留成{word}）；HEADERS里填上你从Charles复制cURL中看到的必要鉴权头；输入文件words.txt准备好你的单词清单，每行一个。
脚本跑完后，每个单词文件夹里会有单词音频word.mp3、例句音频example_1.mp3等，以及一个包含全部文本信息的info.json。这样基本就是一套完整的学习资源了。
4.3 数据落地后的整理与校验
脚本能跑通不代表数据没问题。我第一次批量跑了几百个词，后来抽查时发现有十来个单词的音频文件大小是0字节，还有个别例句的翻译字段是空的。所以数据落地之后一定要做一轮校验。
校验可以分为两层。第一层是完整性检查，看看每个文件夹里是不是都有word.mp3，音频文件大小是否大于0；JSON文件能不能正常load，关键字段是否存在。第二层是人工抽查，随机挑10%的单词，听一下音频发音和单词是否对上，看一下翻译有没有明显错位。
如果你要做的量特别大，建议把下载结果汇总成一个日志文件，记录每个单词的成功失败状态，跑完直接看日志排查。脚本里print只是一个简单提示，实际项目里可以改成写入CSV。
整理完成后，这些数据可以直接喂给Anki的插件做卡片，也可以导入到自建的词汇管理工具里。到了这一步，抓包的价值就真正落地了。
5. 常见问题与避坑实录
5.1 Windows下证书装好了还显示unknown
这个是所有抓包问题里出现频次最高的。现象是：手机代理配置正常，证书也安装了，但Charles里看到的请求还是显示unknown，右侧内容解不开。
原因多半在电脑端。Windows不像macOS会自动信任Charles根证书，你需要手动把Charles的根证书安装到“受信任的根证书颁发机构”里，不然电脑端浏览器和应用不认这个证书，HTTPS抓包自然失败。
操作路径是：Charles菜单 Help → SSL Proxying → Install Charles Root Certificate，会弹出证书导入向导。选择“将所有证书都放入下列存储”，点击浏览，选“受信任的根证书颁发机构”，确定保存。装完重启Charles，再刷新抓包看看。如果还不行，检查Proxy Settings里HTTP代理端口是否被占用，或者防火墙是不是拦了8888端口。
5.2 iOS无法下载证书或下载后不生效
苹果手机抓包时最常见的问题是，手机连上代理后，在浏览器里打不开证书下载页面，或者下载了描述文件但抓包仍然不生效。
先说下载页打不开。证书下载地址必须用Safari浏览器打开，用微信、Chrome里某些内嵌浏览器可能会直接拦截描述文件下载。另外，手机如果不是通过代理访问外网的话，证书下载地址也会打不开，因为Charles的证书下载服务只在内网代理链路里提供。你先随便打开一个网页，确认流量已经经过Charles，再访问证书下载地址。
再说下载后不生效。iOS在安装描述文件后还需要额外一步：设置 → 通用 → 关于本机 → 证书信任设置，找到Charles的证书，把开关打开。这一步很容易被漏掉。很多教程只说“安装描述文件”，没说还要去“证书信任设置”里开启完全信任，导致不少人卡在这里。
5.3 安卓7.0以上和模拟器证书信任问题
安卓抓百词斩，常遇到另一个层面的麻烦：安卓7.0开始，系统默认对App禁用用户CA证书。也就是你给手机装了用户证书，系统浏览器和一些系统组件认它，但百词斩这种第三方App默认不信任它，HTTPS握手直接失败，表现为抓不到内容或显示SSLHandshake相关错误。
如果你用的是真机，通常需要root权限后把证书装到系统证书目录。把Charles的证书用hash命名后放到 /system/etc/security/cacerts/ 下面，具体hash计算方式可以用openssl来做。这一步对有root基础的人不难，但小白容易在文件权限和格式转换上卡壳。
如果你用的是雷电模拟器这类安卓模拟器，思路基本一样。要么选一个带root权限的镜像，把证书塞进系统目录；要么用已经打包好证书的定制镜像。对于只想快速验证接口的人来说，我建议直接用安卓7.0以下的模拟器镜像跑通抓包流程，等接口结构摸清了，再考虑上生产环境。
5.4 请求量大导致卡顿和数据遗漏
抓包过程中还有个体验问题：如果开着全局SSL解密，Charles会很快堆积大量请求，界面越来越卡，甚至在你切换单词时漏掉关键请求。
解决办法是启动Focus功能，把注意力集中在百词斩相关的域名上。右键目标域名 → Focus，这样列表里优先显示聚焦域名下的请求，其他域名折叠起来，日志压力瞬间小很多。同时配合Filter输入框，按当前测试单词过滤，需要看哪个接口就看哪个。
如果还是嫌卡，可以在SSL Proxying设置里把范围从通配符改成只信任百词斩几个域名。这样既保证了目标流量可见，又减少了无关流量的解密开销。
5.5 接口带签名或鉴权参数怎么处理
最后聊一个稍微进阶一点的问题。有时候你找到了主接口，但请求URL里带了一串sign、timestamp、nonce之类的参数，直接在浏览器打开会失败，或者返回错误码。
这种设计的目的是防止别人轻易调用接口。但对我们做个人学习研究来说，处理方式其实不复杂。优先方案是：直接把Charles复制出来的cURL命令完整跑一遍，因为cURL里包含了APP当时生成的所有头和参数，大概率能成功。然后在Python脚本里把cURL转换成requests代码，保持Header和参数不变。
如果直接复现失败，可能是服务端校验了时间戳或签名时效性，那就要研究这些参数的生成逻辑了。这时候可以用Charles的Breakpoint断点功能，在请求发出前修改参数，观察不同参数对响应的影响，逐步拆解校验逻辑。这块内容比较深，就不展开了，但至少你要知道，从复现cURL开始是最省力的路径。
我个人的体会是：做抓包和数据提取，一开始不要总想着写最优雅的代码，先想办法把数据拿到手，再逐步优化。拿到一批单词的音频和翻译之后，整个技术路径就算验证通过了。后面如果接口变动，你会发现排查起来反而有方向感，因为你已经知道“正常数据长什么样”。
最后分享一个小技巧：抓包这件事，接口找对了就成功了一半。我每次抓一个新App，都会先花十几分钟把目标App完整点一遍，观察请求列表里哪些域名反复出现、哪些请求和数据强相关，然后再动手过滤。这种“慢就是快”的做法，比一上来就开全局抓包然后对着上千条日志发懵要有效得多。希望这份经验对你有用。
