首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >我是如何得知10W+的访问量多来自工作日的 | 塔秘

我是如何得知10W+的访问量多来自工作日的 | 塔秘

作者头像
灯塔大数据
发布2018-04-04 16:51:27
6150
发布2018-04-04 16:51:27
举报
文章被收录于专栏:灯塔大数据灯塔大数据

导读:有位朋友分析了一下每天某个时间发文章的访问量区别,以讨论非系统性因素对文章访问量的影响。之所以进一步讨论工作日和周末发文对文章访问量的影响,一是觉得很有意思,二是毕业设计与此有很大关系,三是觉得还是有点意义的,于是决定做一下这个工作。那么到底周末发文的访问量是不是总体来说比工作日低呢,请往下看。

工具

  1. Python 3.5 BeautifulSoup 4.4.1 Requests模块
  2. 分析网页

由于之前的工作已知博客园博客展览页是要通过ajax请求换页,这里我采用了Requests模块,post一个请求即可。

payload = {"CategoryType":"SiteHome","ParentCategoryId":0,"CategoryId":808,"PageIndex":i,"ItemListActionName":"PostList"}
r = requests.post(posturl,data = payload)

这样就可以接收到第i页的博文列表的HTML内容了。

再来看一下我们要爬取的内容:

我们要爬取两个内容:发布时间 与 阅读量,这次我们爬取40—200页共161页的内容,并分两种情况:剔除3000以上访问量的文章以及考虑全部文章,然后要做的工作有两个:根据打扫过的数据,统计出一周周一到周日每天的文章总数与访问量总数,最后用WPS表格来制作出对比图。一提到解析网页,我毫无疑问地又想到了BeautifulSoup这款工具,简单好用,功能强大,推荐。

那么我们首先用BeautifulSoup抓出 class = post_item_foot 的 ‘发布于…’ 内容,以及抓出 class = ‘article_view’ 的 ‘阅读(…)’内容,再去除一些无用的部分,最后提取出日期三个数据y,m,d,以及阅读量,这里我们无需关心文章到底是谁发的或者具体时间。

(ps:Python 3.5下装BeautifulSoup老是不成功,后来发现有更高的版本4.4.1,就果断换了,然后一发成功,不知道什么原因)

部分代码如下:

bs = BeautifulSoup(r.text,"html.parser") #转化成beautifulsoup对象

View = bs.findAll(attrs = {'class' : 'article_view','class' : 'post_item_foot'}) #找出两个class内容

strallview = str(View) #转化为字符串

viewcountsmatch = re.findall('阅读\(\d+\)',strallview) 
viewdaymatch = re.findall('发布于 ....-\d+-\d+',strallview)

得出日期三个数据以后,这里我使用蔡勒公式(Zeller Fomula)直接计算出该日是星期几。蔡勒公式函数代码如下:

def ZellerFomula(y,m,d):
 if m == 1 or m == 2:
 y -= 1
 m += 12
 c = y // 100
 y = y - c * 100
 w = (c // 4) - 2 * c + (y + y // 4) + (13 * (m + 1) // 5) + d - 1
 while w < 0:
 w += 7
 w %= 7
 if w == 0:
 w += 7
 return w

然后就是简单的统计了。

这里我有一个考虑,由于日子越早的文章显然访问量总是会更高,所以为了在一定程度上抵消这种效应,我为每一页的20篇文章设置了一个权重:

weight = 1 - 0.0005 * (i - 40)

即i越大,页数越大,发布越早,访问量相应打一个折扣,这里我设置的最大折扣为92%,即第200页的文章相应的阅读量为其原来阅读量的92%,希望能稍微提升一下结果的公平性。

代码

这时候写出python代码(剔除3000+文章版本):

import requests
import re
import urllib
from bs4 import BeautifulSoup

def ZellerFomula(y,m,d):
 if m == 1 or m == 2:
 y -= 1
 m += 12
 c = y // 100
 y = y - c * 100
 w = (c // 4) - 2 * c + (y + y // 4) + (13 * (m + 1) // 5) + d - 1
 while w < 0:
 w += 7
 w %= 7
 if w == 0:
 w += 7
 return w

f = open('keyvalue.txt','w')
posturl = 'http://www.cnblogs.com/mvc/AggSite/PostList.aspx'
daysum = [0,0,0,0,0,0,0,0,0]
count = [0,0,0,0,0,0,0,0,0]

for i in range(40,201):
 weight = 1 - 0.0005 * (i - 40)
 
 payload = {"CategoryType":"SiteHome","ParentCategoryId":0,"CategoryId":808,"PageIndex":i,"ItemListActionName":"PostList"}
 r = requests.post(posturl,data = payload)

bs = BeautifulSoup(r.text,"html.parser")

View = bs.findAll(attrs = {'class' : 'article_view','class' : 'post_item_foot'})

strallview = str(View)

viewcountsmatch = re.findall('阅读\(\d+\)',strallview)
 viewdaymatch = re.findall('发布于 ....-\d+-\d+',strallview)

#print(viewcountsmatch)
 #print(viewdaymatch)
 
 for j in range(len(viewcountsmatch)):
 vcm = viewcountsmatch[j]
 vcm = re.sub('阅读\(','',vcm)
 vcm = re.sub('\)','',vcm)
 #print(vcm)
 vc = int(vcm)
 if(vc > 3000):
 continue
 vdm = viewdaymatch[j]
 vdm = re.sub('发布于 ','',vdm)
 vdm = vdm.split('-',2)
 #print(vdm)
 ans = ZellerFomula(int(vdm[0]),int(vdm[1]),int(vdm[2]))
 #print(ans)
 ass = int(weight*vc)
 #print(str(ass)+ ' ' +str(vc))
 daysum[ans] += ass
 count[ans] += 1

for i in range(1,8):
 f.write(str(daysum[i])+' ')
 f.write(str(count[i]))
 f.write('\n')
 
f.close()

这代码写了很久,主要python很久没碰也不熟悉了。

运行结果与分析

然后我们运行就可以爬了,耗时大约40+秒,结果如下:

1.剔除版本数据

每行前面是161篇文章中星期1~7的文章访问总量,后面是文章数量。不算3000+访问以上的文章总数3104篇,贡献访问量1573399。

2.未剔除版本

文章总数3220 = 161 x 20篇,贡献访问量2176232.

由上可以看出,3000+访问以上的较优质文章116篇,占比3.6%,其贡献的访问量为602833,占比27.7%,这也是预料之中的。

图表

由图可得,两种方式总体上的差距并不大,从发文数量上看,周一发文最多,可能是大家都上班了,开始新一周的工作使然。随后周二到周四发文数量略有波动,但是都差不太多,并且比周一少。到周五由于放假了,文章数量也相应减少。到周末两天发文数量就有了很大下降,这也是预料之中。

从文章访问量来看,周一达到最大,随后又以较周一低的水平波动,到周末达到低谷,一大原因也是由于文章数量的减少。

从平均访问情况来看,周一至周五的平均访问量普遍比周末稍高一点,印证了结论“工作日发文要比周末发文平均访问量多”,但是并没有多太多,其中周一达到最高峰,随后有波动,到周日有一个反弹,说明“周一效应”还是有一点的。

两幅图的有些显著的不同就是访问量来看,剔除3000+文章以后,周二的访问量有10W+的显著下降,这是否说明周二的时候高质量文章的访问在急速增长的原因呢。

补充

后来我发现光考虑篇均访问还不全面,因为周一即使篇均访问较高,但是它的文章数也是很大的,所以周一的文章必然会很快被覆盖过去,所以这里有一个性价比的问题,于是我又算了一项指标,即篇均访问与当日文章数量之比,底数越大小即文章数量越小,越晚被覆盖,曝光率越大,篇均访问越大自然带来的效应越大。所以有了下面这张图:

事实证明,性价比最高的发文日期居然是发的很少,访问很少的周末!

后续工作

虽然本次挖掘3220篇文章数据较小,感觉还是可以从速度方面进行优化的。 权重也是我自己简单设计的,这方面也可以进一步优化。 欢迎大家提出意见与建议。

结论与启示

所以说,如果你想要让你的文章获得更多的访问量,获得更大的影响力,尽量在工作日发文吧。当然,我前面说过,这些都只是非系统性因素,俗话说,打铁还需自身硬,提高自己文章的质量和水平才是获得更大文章影响力的决定性因素。希望广大园友能够致力于发布质量更高的文章,共同构建一个属于我们的优质的博客园。

文章作者:whatbeg 文章编辑:柯一


本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2017-08-17,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 灯塔大数据 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档