用Python爬了下知乎的“沙雕”问题,我们得到了一个15强排行榜

百家 作者:大数据文摘 2019-11-10 03:58:27

大数据文摘投稿作品
作者:徐麟


这两天偶然上网的时候,被知乎上一个名为“玉皇大帝住在平流层还是对流层”的问题吸引,本以为只是小打小闹,殊不知这个问题却在知乎上引发了强烈共鸣,浏览次数500W+,7000+关注:



于是乎就激发了去探索知乎上“沙雕”问题的想法,也参照了@shenzhongqiang强哥之前的知乎神回复文章爬了下知乎神回复,通过Python爬取这些问题的内容,浏览次数,关注人数,总结一份权威(搞笑)的“沙雕”问题排行榜。


数据来源


知乎非常“贴心”地专门有一个问题可以满足我们的需求,出人意料的是这个问题居然有243个回答,并且陶飞同学获得了3W+的赞同



我们从中爬取了所有回答中出现的问题链接,共用400多个问题,其中陶飞就提供了200+,在此向陶飞同学表示感谢,帮助我们构建了“沙雕数据库”,这部分代码如下:


import reimport seleniumfrom selenium import webdriverimport requestsfrom bs4 import BeautifulSoupimport pandas as pdimport time
driver = webdriver.Chrome()driver.maximize_window()
url = 'https://www.zhihu.com/question/37453271'js='window.open("'+url+'")'driver.execute_script(js)driver.close()driver.switch_to_window(driver.window_handles[0])for i in range(100): js="var q=document.documentElement.scrollTop=10000000" driver.execute_script(js)
all_html = [k.get_property('innerHTML') for k in driver.find_elements_by_class_name('AnswerItem')]all_text = ''.join(all_html)
#all_text = all_text.replace('u002F','/')all_text = all_text.replace('questions','question')pat = 'question/d+'questions = list(set([k for k in re.findall(pat,all_text)]))

获得到了问题的对应的编号后,就可以去各自的页面获取各个问题对应的的标题、浏览数等信息,如下图所示:



这部分代码如下:


header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win32; x32; rv:54.0) Gecko/20100101 Firefox/54.0','Connection': 'keep-alive'}cookies ='v=3; iuuid=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; webp=true; ci=1%2C%E5%8C%97%E4%BA%AC; __guid=26581345.3954606544145667000.1530879049181.8303; _lxsdk_cuid=1646f808301c8-0a4e19f5421593-5d4e211f-100200-1646f808302c8; _lxsdk=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; monitor_count=1; _lxsdk_s=16472ee89ec-de2-f91-ed0%7C%7C5; __mta=189118996.1530879050545.1530936763555.1530937843742.18'cookie = {}for line in cookies.split(';'):    name, value = cookies.strip().split('=', 1)    cookie[name] = value
questions_df = pd.DataFrame(columns = ['title','visit','follower','answer','is_open'])
for i in range(len(questions)): try: url = 'https://www.zhihu.com/'+questions[i] html = requests.get(url,cookies=cookie, headers=header).content bsObj = BeautifulSoup(html.decode('utf-8'),"html.parser") text = str(bsObj) title = bsObj.find('h1',attrs={'class':'QuestionHeader-title'}).text visit = int(re.findall('"visitCount":d+',text)[0].replace('"visitCount":','')) follower = int(re.findall('"followerCount":d+',text)[0].replace('"followerCount":','')) answer = int(re.findall('"answerCount":d+',text)[0].replace('"answerCount":','')) is_open = int(len(re.findall('问题已关闭',text))==0) questions_df = questions_df.append({'title':title,'visit':visit, 'follower':follower,'answer':answer, 'is_open':is_open},ignore_index=True) time.sleep(2) print(i) except: print('错误'+str(i))

数据分析


在分享出最终的“沙雕排行榜”前,我们首先严肃认真(lixinggongshi)的进行一波分析,主要看一下问题中的关键词,首先是所有词云的词云:


看来这些问题大多是源自于大家对于人生的探索,否则“为什么”“如果”“怎么办”也不会出现那么多,出人意料的是“体验”这个知乎专属tag居然并不多,可能是出于对知乎的尊重,和“体验”相关的问题都不会问得那么“沙雕”。


下面把这些助词去掉,再来看下结果:



这个图看来,读者关注的问题还是很极端,一方面在关注男女朋友“你冷酷、你无情、你无理取闹”这种问题,另一方面却在关注宇宙、地球这种关乎全人类的问题,很符合知乎“人均985,各个过百万”的人设。


这两个图实际上都是基于一个表情,不知道有没有看出来:



好吧,其实看不出来才是正常,能看出来的可能现在去知乎提个问题,下期就会上榜,最后把部分问题做出词云:



不知道大家能不能看清,说实话我自己是看不清的,也没准备让大家看清,目的就是引出下面真正的排行榜。


沙雕问题排行榜


通过综合问题观看数,关注数,回答数,关注占比,回答占比,综合得到分数的流量指数和新奇指数,最终获得一个整体的分数,如下图所示:



听起来是不是很复杂,实际上最终还是通过90%10%的数据+10%90%的主观来进行了排名,为大家精选了15个最为“沙雕”的问题,也选取部分网友的回答,问问题的操作诚然很风骚,面对这些“沙雕”问题,认真回答的绝对是风骚PLUS,特此声明,以下回答来自于知乎网友:


TOP 15

Q:李白写那么多诗,他自己都会背吗?    


原问题链接:

https://www.zhihu.com/question/276876453



森麟小结:写自己的诗,让别人去背吧,真乃人生最高境。


TOP 14

Q:猪八戒是黑猪还是白猪?


原问题链接:

https://www.zhihu.com/question/37160000



森麟小结:后经多方考证,证明了猪八戒的黑猪身份,这下子身价进一步暴增,对此我们表示:黑猪白猪,不涨价的猪就是好猪


TOP 13


Q:邹市明能一拳把自己打晕吗?    


原问题链接:

https://www.zhihu.com/question/36805199



森麟小结:知乎上各种关于邹市明能打多少人的问题层出不穷,没想到最终还是要向自己动手。


TOP 12


Q:生蚝煮熟了还可以叫生蚝么?    


原问题链接:
https://www.zhihu.com/question/25016659



森麟小结:这个问题就好比有些叫帅帅的人,无论长成什么样,别人都要叫他帅。


TOP 11


Q:被袋鼠暴打是一种怎样的体验?


原问题链接:
https://www.zhihu.com/question/27387052



森麟小结:珍爱生命,远离袋鼠,切莫为了一个高赞回答去和袋鼠亲身肉搏,否则可能还没来得及分享“刚编出来的故事”就……


TOP 10


Q:秃顶的人洗头,应该用洗发水还是洗面奶?    


原问题链接:
https://www.zhihu.com/question/48119206



森麟小结:希望广大程序员朋友保护好头发,不要有朝一日被邀请回答这个问题。


TOP 9


Q:如果地球上所有人同时用激光笔指着月亮,月亮会不会变颜色?    



原问题链接:
https://www.zhihu.com/question/48119206



森麟小结:会不会变色无从考究,但是在月亮变色前,我的眼睛一定会先被闪瞎。


TOP 8


Q:玉皇大帝住在平流层还是对流层?


原问题链接:
https://www.zhihu.com/question/304133742/



森麟小结:这个问题应该就是“一本正经的胡说八道”集大成者,评论区好多相关领域人士进行了认真解答,不过究竟住哪也没搞明白,可能只能只有孙悟空知道答案了。


TOP 7


Q:把一个变色龙绑在不断变换颜色的灯上,它会不会心力交瘁而死?    


原问题链接:
https://www.zhihu.com/question/32052499



森麟小结:变色龙属于国家级保护动物,很可能还没看到结果,先被带走接受教育。


TOP 6


Q:如果把皮卡丘的耳朵塞到插座里,皮卡丘会被电死么?    


原问题链接:

https://www.zhihu.com/question/52083864



森麟小结:皮卡丘会不会被电死不好说,但是你会不会被电死还是很清楚的。 


TOP 5


Q:西瓜除了被吃还有什么生存意义?


原问题链接:

https://www.zhihu.com/question/24393996

    

森麟小结:提问之前最好先想想自己除了吃,还有什么生存意义。


TOP 4


Q:为什么外国超级英雄趴着飞,而中国神仙竖着飞?


原问题链接:
https://www.zhihu.com/question/26992616



森麟小结:这是怎样的神仙读者,居然问出了这种“惊天地,泣鬼神”的问题,想必各路神仙也在跃跃欲试,准备拉他过去现场讲解


TOP 3


Q:向日葵晚上在干嘛,跟着月亮吗?  


原问题链接:

https://www.zhihu.com/question/21370688/



森麟小结:自产自销,果然够厉害,而且不要用人类“996”的思想去要求向日葵,人家太阳落山就下班了,不多说了,已泪崩。


TOP 2


Q:苍蝇被搭载到另一个城市怎么办?它的家人孩子怎么办?


原问题链接:

https://www.zhihu.com/question/20831390/



森麟小结:这位朋友为了苍蝇的生活操碎了心,不如把让他们大家族都在自己的家里生活,实现大团圆的美好结局。


TOP 1


Q:女朋友生气心烦的时候爱爬树怎么办?    


原问题链接:
https://www.zhihu.com/question/30914451/
  


森麟小结:你们两确定不是猴子派来的逗比。


写在最后


本文主要是通过这些问题图大家一乐,只有你在看文章的时候笑了,我们的目的就达到了,知乎上实际上还是有很多很有价值的问题,即使是这些“沙雕”的问题,也有些非常有意思的回答,大家可以多去了解了解,开拓视野。



实习/全职编辑记者招聘ing

加入我们,亲身体验一家专业科技媒体采写的每个细节,在最有前景的行业,和一群遍布全球最优秀的人一起成长。坐标北京·清华东门,在大数据文摘主页对话页回复“招聘”了解详情。简历请直接发送至zz@bigdatadigest.cn



点「在看」的人都变好看了哦!

关注公众号:拾黑(shiheibook)了解更多

[广告]赞助链接:

四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

公众号 关注网络尖刀微信公众号
随时掌握互联网精彩
赞助链接