小趴趴--知乎精华回答的非专业大数据统计
来源:互联网 发布:ubuntu添加软件源 编辑:程序博客网 时间:2024/05/04 14:48
入坑知乎三年有余,数月前灵光闪现,做个网页爬虫,专爬知乎下的精华回答,作统计分析。
以下,即是此项目的分析结果,希望能从另一个角度呈现出不一样的知乎。
代码
“talk is cheap, show me the code!” --屁话少说,放码过来。心急的朋友可以直接戳链接看源码,用的是Python3:
https://github.com/SmileXie/zhihu_crawler
算法简述
1.爬虫算法
以根话题的话题树为启始,按广度优先遍历各子话题。话题的遍历深度为3。解析各话题下的精华回答。
2.收集数量
目前收集的信息共计50539个精华回答。
3.分析内容
- 精华回答的点赞数,答案长度等;
- 答题用户的id,点赞数,地区,性别,学历,学校,专业等;
统计结果
1.匿名答主
50539篇精华回答中,有3308篇的回答者选择了匿名发布答案。
2.答主性别
男15740,女5749.是否从一个侧面印证了知乎上程序员占了很大的比例.
3.答主受教育情况
按答主的所在(毕业)学校统计,TOP10的学校是:
可以看出,中国的顶尖高校对知乎的精华回答贡献颇多。
按答主所在的专业统计,TOP10专业是:
果然是程序猿的天堂。(上面的数据,我针对“计算机”和“金融”的数据做了处理,把“计算机”“计算机科学”“计算机科学与技术”合并为“计算机”,把“金融”和“金融学”合并为“金融”)
4.精华回答的赞同数
按精华回答所获得的赞同数落在的区间,做统计
可见,大多数精华回答获得的赞同数是处于0~4999范围内的。
目前统计到的最高票回答是这篇:《哪些素质很重要,却是读书学不来的》中肥肥猫的回答,共获得了91433个赞同。
5.回答字数
如果按以下标准将精华回答按字数分类:
那么,精华回答的字数分布如下:
看来各位答主对没少在知乎上码字。长篇的数量甚至超越了短篇和中篇。
目前收集到的最长字数回答是:《人究竟能抠到什么程度》中郭永年的回答,答主扬扬洒洒写了98904字,敢情是在知乎上写小说了啊。
后记
作为一个对Python和C都有使用的程序员,在开发的过程中不断地领略着这两种语言的巨大差异。
Python把对开发者友好做到了极致,牺牲了性能。
C把性能做到了极致,牺牲了对开发者的友好。
这个项目只用了500行Python,如果换作500行C,估计只能完成上述功能的1/10吧。
最后再贴一遍源码:
https://github.com/SmileXie/zhihu_crawler
- 小趴趴--知乎精华回答的非专业大数据统计
- 知乎大神的回答
- C++的反思(知乎精华)
- 重构大数据统计
- Hyperloglog与大数据统计
- 转载知乎的一段回答,深受启发。
- 知乎收藏数最高的1000个回答
- 微信小程序与vue的区别,知乎回答!!!
- 五大数据统计分析软件
- 大数据统计机械键盘市场
- 转载一段来自知乎的回答
- python 知乎回答按赞排序
- 知乎回答——闲
- 一个设计师写的有用的关于新款mbp使用的知乎回答
- 朱镕基改制是成功的吗?(知乎高手的回答)
- 【知乎回答】电脑是怎么通过ip找到对应的终端的?
- 非正版的限制乎???
- 我在知乎回答关于 Linux C++ 服务端编程的学习方法
- objective-C学习 归档 archiver
- 个人收藏网址备份
- LeetCode 2016 292,258,328,326,334,329
- startActivity流程小解
- BZOJ3809: Gty的二逼妹子序列
- 小趴趴--知乎精华回答的非专业大数据统计
- mysql报错Cannot check for MySQL Daemon startup because of mysqladmin failure
- Android之WebViewClient与WebChromeClient的区别
- openfire中对外接mySql数据库的配置
- mysql列合并
- Android Studio 快捷键
- android:如何在TextView实现图文混排
- MVVM支持库Prism
- bool和Boolean