用Python爬了下知乎的“沙雕”问题,我们得到了一个15强排行榜

什么叫自古知乎出人才?通过这15个“沙雕”问题,你就懂了。

作者 / 徐麟 出品 / 公众号“数据森麟”(ID:shujusenlin)

前言

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,笑死人了~,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 re
import selenium
from selenium import webdriver
import requests
from bs4 import BeautifulSoup
import pandas as pd
import 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,后台回复“沙雕”可以获取更多问题,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,真乃人生最高境界。

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了

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。

本文已注明来源和出处,版权归作者所有,如有侵权,您可以告知我们(点击此处)

参与评论

请输入你的评论!
请在这里输入你的名字