入坑知乎三年有余，數月前靈光閃現，做個網頁爬蟲，專爬知乎下的精華回答，作統計分析。 以下，即是此項目的分析結果，希望能從另一個角度呈現出不一樣的知乎。 # 代碼 "talk is cheap, show me the code!" －－屁話少說，放碼過來。心急的朋友可以直接戳鏈接看源碼，用的是Python3： [https://github.com/SmileXie/zhihu_crawler](https://github.com/SmileXie/zhihu_crawler) # 算法簡述 ### 1.爬蟲算法 以[根話題的話題樹](https://www.zhihu.com/topic/19776749/organize/entire)為啟始，按廣度優先遍歷各子話題。話題的遍歷深度為3。解析各話題下的精華回答。  知乎的話題樹.png ### 2.收集數量 目前收集的信息共計50539個精華回答。 ### 3.分析內容 * 精華回答的點贊數，答案長度等； * 答題用戶的id，點贊數，地區，性別，學歷，學校，專業等; # 統計結果 ### １.匿名答主 50539篇精華回答中，有3308篇的回答者選擇了匿名發布答案。  精華回答答主匿名情況.png ### 2.答主性別 男15740，女5749．是否從一個側面印證了知乎上程序員占了很大的比例．  精華回答答主性別.png ### 3.答主受教育情況 按答主的所在（畢業）學校統計，TOP10的學校是：  答主學校TOP10.png 可以看出，中國的頂尖高校對知乎的精華回答貢獻頗多。 按答主所在的專業統計，TOP10專業是：  答主專業TOP10.png 果然是程序猿的天堂。（上面的數據，我針對“計算機”和“金融”的數據做了處理，把“計算機”“計算機科學”“計算機科學與技術”合并為“計算機”，把“金融”和“金融學”合并為“金融”） ### 4.精華回答的贊同數 按精華回答所獲得的贊同數落在的區間，做統計  各精華回答獲得的贊同數落在的區間.png | 贊同數區間 | 此區間內的精華回答數量 | | --- | --- | | 0~4999 | 46546 | | 5000~9999 | 2623 | | 10000~14999 | 713 | | 15000~19999 | 305 | | 20000~24999 | 154 | | 25000~29999 | 94 | | 30000~34999 | 44 | | 35000~39999 | 22 | | 40000~44999 | 16 | | 45000~49999 | 8 | | 50000~54999 | 4 | | 55000~59999 | 3 | | 60000~64999 | 3 | | 65000~69999 | 0 | | 70000~74999 | 2 | | 75000~79999 | 1 | | 80000~84999 | 0 | | 85000~89999 | 0 | | 90000~94999 | 1 | | 95000~99999 | 0 | 可見，大多數精華回答獲得的贊同數是處于0~4999范圍內的。 目前統計到的最高票回答是這篇：[《哪些素質很重要，卻是讀書學不來的》中肥肥貓的回答](https://www.zhihu.com/question/28626263/answer/41992632)，共獲得了91433個贊同。 ### 5.回答字數 如果按以下標準將精華回答按字數分類： | 字數 | 分類 | | --- | --- | | 0~99 | 短篇 | | 100~999 | 中篇 | | 1000~9999 | 長篇 | | 10000以上 | 超長篇 | 那么，精華回答的字數分布如下：  精華回答的字數分布.png 看來各位答主對沒少在知乎上碼字。長篇的數量甚至超越了短篇和中篇。 目前收集到的最長字數回答是：[《人究竟能摳到什么程度》中郭永年的回答](https://www.zhihu.com/question/31963067/answer/54079066)，答主揚揚灑灑寫了98904字，敢情是在知乎上寫小說了啊。 # 后記 作為一個對Python和C都有使用的程序員，在開發的過程中不斷地領略著這兩種語言的巨大差異。 Python把對開發者友好做到了極致，犧牲了性能。 C把性能做到了極致，犧牲了對開發者的友好。 這個項目只用了500行Python，如果換作500行C，估計只能完成上述功能的1/10吧。 最后再貼一遍源碼： [https://github.com/SmileXie/zhihu_crawler](https://github.com/SmileXie/zhihu_crawler)