简书=鸡汤？爬取今日看点数据：1916篇简书热门文章可视化
一、前言
最近寫得兩篇關(guān)于簡書的數(shù)據(jù)可視化文章：《簡書推薦作者風(fēng)云榜（爬取簡書app數(shù)據(jù)）》、《我的簡書一月記：數(shù)據(jù)可視化》反響都還不錯，因而將繼續(xù)針對簡書進(jìn)行數(shù)據(jù)分析和可視化。鑒于此前爬取手機(jī)app效率較低，本次重新回歸網(wǎng)頁數(shù)據(jù)的爬取。
爬取的對象是：今日看點專題下的“熱門”文章數(shù)據(jù)。一篇文章被編輯收入“今日看點”，即意味著作品將立刻登上首頁，得到很好曝光，為更多用戶所閱讀和喜歡。而本專題“熱門”一欄里，收錄著簡書上至今為止最炙手可熱、獲贊數(shù)最多的文章，針對這部分?jǐn)?shù)據(jù)進(jìn)行研究和分析，可以得知哪類文章最受簡書用戶喜歡，哪些作者創(chuàng)作了“高質(zhì)量”的作品等信息。
二、數(shù)據(jù)獲取
上圖可知，目前今日看點收錄了148618篇文章， 共有30194人關(guān)注。原本想獲取所有的文章，但發(fā)現(xiàn)爬取到1900+篇時，就再也無法得到更多數(shù)據(jù)，可能簡書方面限制和保護(hù)了數(shù)據(jù)。
但根據(jù)這1916篇文章獲贊數(shù)降序可知，排名第一的文章，獲贊數(shù)為：17076；排名最后的為488。由此可見，簡書上最熱門的文章應(yīng)該都已經(jīng)獲取到了（后來發(fā)現(xiàn)其實并沒有，僅是部分，臉疼），基于此后續(xù)研究可以繼續(xù)展開。
三、數(shù)據(jù)可視化
1、年度月份分布情況
首先，我們來看看，截止目前，這些簡書上最熱門的文章都發(fā)布在何年何月？作為一名來到簡書一個多月的小透明，一直不知道簡書是何時“橫空出世”的，@簡叔、@簡寶玉可否解答下。
由下圖可知，最早的熱門文章出現(xiàn)于2014年5月，是@CNFeat創(chuàng)作的《如何搭建一個獨立博客——簡明Github Pages與Hexo教程》一文。（間接知道了簡書起碼是在三年前就已經(jīng)存在了）。之后逐年遞增，猜測可能是新增用戶基數(shù)越來越多，平臺越來越為人所知，而且作品越來越好？所以熱門文章出現(xiàn)的越來越多。從2016年7月起，出現(xiàn)較大漲幅，并持續(xù)到2017年3月，每月熱門文章均在110篇以上。在今年的4月份起，持續(xù)四個月相對回落了許多。這部分不知道原因何在，難道是太熱了，大家創(chuàng)作欲望低迷？
2、24小時分布情況
接著看看發(fā)布時間情況，11點鐘文章最多，覺得蠻奇怪的，作為一只喜歡在晚上發(fā)布文章的小透明，原本覺得晚上才是創(chuàng)作的大好時光啊，11點鐘已經(jīng)屬于飯點，難道是上午潛心創(chuàng)作，一天之計在于晨，將當(dāng)天的寫作任務(wù)早早的完成，一身輕松？再是24小時都有人發(fā)布文章并成為熱點，可見鳥兒大了，什么林子都有啊。逃......
3、2017年熱門文章
看了那么多歷史的數(shù)據(jù)，那么到底今年有哪些熱門文章？到底作為一名普通的作者，該如何寫出廣受好評的文章呢？
篩選下本年度按獲贊數(shù)降序的文章，如圖，簡單瀏覽下標(biāo)題，發(fā)現(xiàn)非常多設(shè)問的句式，想誘導(dǎo)人點擊閱讀，哪能不用“問號”呢！很多作者的經(jīng)驗分享，或者稱作“教做人”的文章？而偏技術(shù)性的文章幾乎沒有，當(dāng)然原因可能很多，個人也有個人的看法。不過對我來說，倒是可以努力寫寫數(shù)據(jù)分析和可視化的文章殺進(jìn)去，占得一席之地。橫空出世，石破天驚，一鳴驚人，@Deserts_X，決定就是你了！咱們年末熱門文章見！
4、閱讀數(shù)、喜歡數(shù)與評論數(shù)
一篇文章的熱門程度，直觀地體現(xiàn)在喜歡數(shù)和評論數(shù)里，當(dāng)然前提是有被大量閱讀。如圖可知，有一篇文章閱讀數(shù)遠(yuǎn)遠(yuǎn)高于所有的文章，那就是@簡叔的《簡友常見問題匯總》，作為簡書新手向的使用手冊，有此數(shù)據(jù)，也屬正常，雖然不知簡叔有多少用戶，但86w+的閱讀量估計是前無古人后無來者了。
再將目光移動到這篇官方文章之外，首先就能看到第二梯度，20w+閱讀量的文章也有近十篇，也是非常難以企及的戰(zhàn)績，雖然其中好幾篇的獲贊數(shù)稍顯“平庸”，（手動滑稽）。
換個角度，再看一遍。局部放大，看不到那些討人厭的神級數(shù)據(jù)后，覺得神清氣爽多了，努力努力應(yīng)該還是有機(jī)會躋身其中的。
5、文章作者
有留心上文CSV截圖的，可以對這些文章都是誰寫的有了初步的了解。對所有作者進(jìn)行統(tǒng)計，文章數(shù)量靠前的每人貢獻(xiàn)的情況如下，也是牛逼壞了。
第一名屬于簡書一哥@彭小六，共收錄了106篇文章。看來分析簡書數(shù)據(jù)永遠(yuǎn)都避不開的一哥。
并列第二名的是@懷左同學(xué)和@韓大爺?shù)碾s貨鋪，均收錄了41篇文章。
所有799名作者都有一席之地，按照收錄文章數(shù)直觀的貢獻(xiàn)情況如下，最左邊和最上邊即為排名前十幾的作者情況：
切換成曲線圖，按降序排列，可見有一條貼近橫坐標(biāo)，長長的曲線。大多數(shù)人無法貢獻(xiàn)熱門文章，能貢獻(xiàn)的人里大多數(shù)也只能有一兩篇驚艷之作。
799名作者中有84名為簽約作者，共貢獻(xiàn)625篇文章。不過不知道簡書現(xiàn)在到底有多少名簽約作者。單看此數(shù)據(jù)，熱門文章里非簽約作者占比也還是蠻大。
其他715名為非簽約作者，共貢獻(xiàn)1291篇文章：
將這1916篇文章對應(yīng)的799名作者生成如下詞云，假如今日頭條想像簽走知乎300大V一樣來簽走簡書大V，大概可以參考此圖。逃......
單人貢獻(xiàn)5篇及以上熱門文章的，共有69名作者。
6、文章標(biāo)題
不知道有多少人覺得簡書的文章太過雞湯，或者不熟悉簡書的人，是否直接就認(rèn)為“簡書=雞湯”？那到底是不是這樣的呢，看看熱門文章都有哪些大概就能知道一二了。標(biāo)題的數(shù)據(jù)上文CSV也有不少了，此處將所有標(biāo)題直接丟一個在線詞云網(wǎng)站，看看都有哪些詞出現(xiàn)了：
什么、如何、書、英語、大學(xué)、推薦、自己、人、堅持、努力......這些詞所形成的語境，可以照見背后點贊的簡書用戶組成還是偏于年輕。雖然可能傷到一些人，但個人感覺一個不完全知道自己喜歡什么、有什么愛好、對學(xué)習(xí)和生活都沒有好的把控的人，或許更會汲汲于閱讀這些文章，當(dāng)然這可能是每個人成長中必須經(jīng)歷的過程，看這些文章可能也會有收獲，對自己有所指導(dǎo)，但是否又有很多人其實只是點個贊、收藏下，該如何的生活依舊如何的生活，下次看到類似的文章，依舊點進(jìn)去，依舊退出來呢？
上面的詞云還是太過簡單粗暴，調(diào)用玻森NLP的API，獲取所有標(biāo)題的詞頻排名前100的關(guān)鍵詞，返回結(jié)果如下：
沒有了雜亂無章的文字后，在精簡的詞云里，更可以看出，出現(xiàn)最頻繁的詞有：你、干貨、寫作、英語、推薦、大學(xué)、努力、書、讀書、人生、堅持、方法......嗯。
四、小結(jié)
所有假如你是一名非簡書用戶，看到這些詞云和標(biāo)題，你覺得簡書是否等同于雞湯呢？又或者，你已經(jīng)是一名簡書用戶，日常看到的文章，首頁上呈現(xiàn)的文章，對你來說又意味著什么呢？
非引戰(zhàn)，歡迎評論，共同探討想法。
總結(jié)
以上是生活随笔為你收集整理的简书=鸡汤？爬取今日看点数据：1916篇简书热门文章可视化的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
