通过Python爬取了B站两千万用户数据！险些出事！最好不要商用

1 前言

前两天闲来无事，花了四五天的时间从B站（bilibili.com）抓取了其 2000万 全部用户。

2 用户情况

B站是一个ACG动漫文化很浓厚的场所，与A站（AcFun）共同撑起了中国动漫的一片天。

所以用户嘛……

不说了，简单看看我随便截的图吧，用户签名字段。

进群：548377875  即可获取数十套PDF以及大量的教学教程！从零基础到项目实战！

2.1 基本情况

总数据数：20119918

抓取用户的顺序为其注册时间顺序：2009-06-24 14:06:54 至 2016-02-18 21:04:52

预估遗漏数据：不超过2%

抓取字段：用户id，昵称，性别，头像，等级，经验值，粉丝数，生日，地址，注册时间，签名，等级与经验值等。

2.2 性别

有效数据：14643019

保密：11621898

男：1674196

女：1346925

这个男女比例是有点出乎个人预料的，接近1：1。其实之前初步抓了2013年暑假之前的数据，男女比例当时还在3：1这样。

可见明确性别的群体还是比较少的，只占了总数据的 15% 左右。

更多的分析日后再做。

2.3 年龄

统计范围：1970-2010（1980年除外）

总数据：3800767

具体数据不放了，简单看一下统计结果吧。

主要用户分布在93-00年的用户（大概16-23周岁），其中97年（19岁）用户占了绝对的主导地位。

事实证明，B站小学生并不多，而是高中生、大学生比较多。

90后用户占主体，但是用户年龄段正在不断后移。毕竟，这是一个年（lao）轻（si）人（ji）的网站。

2.4 地区

分析范围：国内34个省市及地区

有效数据：863541

主要用户分布在：广东、江苏、北京、上海、浙江等地区。都是一些经济很发达的沿海地区。

2.5 注册时间

统计时间：2009-06-24 14:06:54 至 2016-02-18 21:04:52

总数据：20119823

由于16年才过去2个多月，所以少一点，不过可以预见其发展必将远超2015年。自2009年开站以来，每年用户几乎都是以指数级增长。

2.6 活跃度统计

等级范围：0 - 6

总数据：20119918

截止时间：2016-02-18

由于B站有经验等级规则，用户的活跃度可以依据等级判断。

等级为0，就是只注册未登陆过的用户。等级为1或2，为非活跃用户。等级为3以上，就是活跃用户。其中等级为5或6的，为投稿数特别特别多、视频特别火爆的用户，为B站的骨干用户（约5000人）。

关于留存率等数据，日后再统计分析。

2.7 粉丝统计

有效数据：2011918

范围：0 - 988323

截止时间：2016-02-18 21:04:52

额- -，我也是有40个粉丝的人！

以下是B站TOP20用户。很多人都非常的眼熟哈。

3 后记

以上，就是对B站2000万用户的初步统计。日后会有更加深入的分析。