知乎用户群分析--又双叒叕一只爬虫爬了知乎20万用户

标签：phi   hub   war   bdd   src   ima   github   a10   李开复   

一直想趁着知乎还比较开放爬点数据做分析，因为懒延期至今。

爬虫由Java实现，放在服务器上跑了三四天，可以说是龟速了，毕竟爬虫和反爬虫就是应该友好相处的嘛，反反爬虫和反反反爬虫互相伤害就没意思了。

从我的关注列表向外爬了两圈，数据是上周(2017,9.11))的，所以下面的报道可能和实时数据有些偏差。

本来想做图论分析，但是应该就是个简单的小世界网络，结果也不好可视化，所以就只做了一些简答的数值分析。

放上源码，代码逻辑在Readme里有写

Github:pokerfaceSad/ZhihuSpider

1.男女比例

还是汉子占多数

2.用户获得赞同数量分布

仰望赞同数大于100万的12位大佬

3.获得赞同数Top10

1. @张佳玮 3881887
2. @Seasee Youl 1577849
3. @马前卒 1490940
4. @vczh 1470443
5. @唐缺 1468457
6. @鬼木知 1371725
7. @肥肥猫 1368270
8. @朱炫 1295927
9. @ze ran 1269743
10. @豆子 1225418

4.粉丝数Top10

1. @张佳玮 1426823
2. @李开复 1013888
3. @黄继新 809900
4. @周源 777401
5. @yolfilm 768063
6. @丁香医生 755301
7. @张亮 720349
8. @张小北 666883
9. @李淼 662630
10. @朱炫 652258

5.回答Top10

1. @Phil 17909
2. @vczh 16373
3. @王若枫 13111
4. @浪琴 12764
5. @李东 11808
6. @柴健翌 11281
7. @zhen-liang 11164(已被知乎停用，看了下回答，可能是某个搞机器学习的大佬弄出来的机器人)
8. @赵钢 11137
9. @另一只袜子 10146
10. @luvian zhang 9833

6.提问Top10

1. @阿混 3154
2. @David Chang 2685
3. @玉箫沙 2535(已被封号，据说是被续了)
4. @Howard Dominic 2528
5. @图灵Don 2178
6. @歆盐 2060
7. @程瀚 1756
8. @张亮 1755
9. @张醒 1656
10. @fudanboy 1530

还有一些没有可视化的数据

7.文章数Top10

1. @扑克投资家-林辉 1639
2. @王佳伦 1620
3. @马力 1507
4. @张十三 1390
5. @军旗猎猎 1364
6. @陈希 1181
7. @不鳥萬如一 1170
8. @耿怀民 1155
9. @嘶吼RoarTalk 1096
10. @周永 1082

8.被收藏数Top10

1. @寺主人 1805631
2. @下厨房 1625157
3. @张佳玮 1194602
4. @曾少贤 177151
5. @肥肥猫 1026440
6. @恶膜的奶爸 992186
7. @warfalcon 804395
8. @Jennyyy 747445
9. @白诗诗 736685
10. @朱炫 678335

Github

Github:pokerfaceSad/ZhihuSpider

求Star

知乎用户群分析--又双叒叕一只爬虫爬了知乎20万用户

标签：phi   hub   war   bdd   src   ima   github   a10   李开复   

原文地址：http://www.cnblogs.com/akiddo/p/7669489.html