爬虫小作业 B站“暴走漫画”用户分析

萌新初试爬虫，在对@Airing的爬虫报告“B站2000万用户分析”进行一番学习后，想进行一些实践，于是就有了今天的《暴走漫画》用户小分析。

几番瞎折腾后，明白制约爬虫实践的最主要因素是爬取速度（当然爬取速度的上限又跟能力水平有）。为了尽快完成这次小作业，我选择了数据量较小的爬取任务，即针对B站某一频道的用户进行爬取。尽管如此，《暴漫》的粉丝也有23w之多（截止到2018.02.17），最终我采集了其中的约13w用户数据，实际采集时间约两天（采集到一半觉得不好又重新采集我就不算了...）。

---

1.基本情况

采集对象：“暴走漫画”的用户（严格来说，不能肯定其为“关注‘暴漫’的粉丝”，因为没有一一确认是否关注了“暴走漫画”频道...）

• 数据量：130898

• 采集时间：2018.01

• 抓取字段：用户id，昵称，性别，等级，地址，生日，注册时间，签名等。

2.数据展示

2.1 男生/女生比例

• 有效数据：69943

• 其他：60955

开场就是男女比，惊不惊喜？

并不会...毕竟B站的女生就真的是妹子吗？？！（男生就真的是基佬吗？真的...）

男女比接近3:1，比较吻合@Airing早期爬取的全站数据。（直男配色请谅解..）

同时......还有约一半的同学选择不暴露自己的性别。

2.2 用户星座

• 有效数据：91944

虽然我不大懂星座，但既然采集了birthday数据，不可视化就浪费了。（而且把星座放上来的话，会有更多的妹子看吗不是~逃）

天秤最多，白羊最少，性格分析就交给你们了...

2.3 地域分布

• 有效数据：25300

喜欢“暴漫”的盆友哪里最多呢？胡建人：溜了溜了...

广东人：不够吃...嗝~

再赠全国的盆友一张完整版词云：

2.4 用户等级

• 有效数据：130898

恩，主体是LV4的站友，LV0、LV1的用户少得可怜，我判断“暴漫”的用户主要是老粉吧。另一种可能就是B站新增用户太少...

作为15年注册，如今LV4的用户，表示主要是为了上B站看电影...所以上得多，但弹幕发得不多，活跃度一般...但我显然难以代表多数人，所以我也觉得单独的等级分布不易分析，可能需要跟其他自媒体的用户数据对比分析，留个小坑。

话说，要是做多个自媒体的弹幕用户的信息分析对比，得到的结果可能比较有趣~

2.5 注册时间分布

• 有效数据：127139

犹记得当年的AB站拿个正式用户可不容易了...连蒙带猜算是混过了B站的考试。

17年注册的“暴漫”用户叫少，也符合了上面的推测——新用户看“暴漫”的较少。如果把新用户≈年轻人，就容易理解些，毕竟“小孩子不要看动漫嘛”。

数据采集截止于2018.01下旬，所以2018几乎为空。

2.6 用户签名

• 有效数据：74847

“暴漫”的用户选择用什么样的签名呢？这里用词云展示一下。

我反正是看到了满屏的“233333”。

2.7 用户昵称

• 有效数据：130898

我选择在最后才揭露“暴漫”用户的昵称数据。

“密恐？......才不管呢”[狗头] （源自《南极料理人》）

后记

介绍一下工具：
采集用到Python + Requests 或者 Python + Splinter (≈Selenium)
存储数据用到SQLite或者Excel（xlwt、xlrd、xlutils）
数据可视化用到infogram、图表秀、HTML5 Word Cloud(非常棒！用法参见这篇文章)

代码估计会迟一些，以上。