bilibili助手C2C服务器,Bilibili (B站)200万用户数据爬取与分析(附源码)

原标题：Bilibili (B站)200万用户数据爬取与分析(附源码)

数据挖掘入门与实战公众号： datadw

该爬虫仅供学习使用

B站用户爬虫

B站视频爬虫

B站弹幕下载器

关注并回复公众号datadw 关键词： B站获取源码地址

文件介绍

bilibili_user.py：爬虫文件

bilibili_user_info.sql：数据库文件

get_face.py：用户头像下载器基本概况

总数据数：20119918

抓取用户的顺序为其注册时间顺序：2009-06-24 14:06:54 至 2016-02-18 21:04:52

预估遗漏数据：不超过 2%

抓取字段：用户 id，昵称，性别，头像，等级，经验值，粉丝数，生日，地址，注册时间，签名，等级与经验值等。性别

有效数据：14643019

保密：11621898

男：1674196

女：1346925

这个男女比例是有点出乎个人预料的，接近 1：1。其实之前初步抓了 2013 年暑假之前的数据，男女比例当时还在 3：1 这样。

可见明确性别的群体还是比较少的，只占了总数据的 15% 左右。

更多的分析日后再做。

年龄

统计范围：1970-2010(1980 年除外)

总数据：3800767

具体数据不放了，简单看一下统计结果吧。

主要用户分布在 93-00 年的用户(大概 16-23 周岁)，其中 97 年(19 岁)用户占了绝对的主导地位。

事实证明，B 站小学生并不多，而是高中生、大学生比较多。

90 后用户占主体，但是用户年龄段正在不断后移。毕竟，是一个年轻人的网站。

地区

分析范围：国内 34 个省市及地区。

有效数据：863541

主要用户分布在：广东、江苏、北京、上海、浙江等地区。都是一些经济很发达的沿海地区。

注册时间

统计时间：2009-06-24 14:06:54 至 2016-02-18 21:04:52

总数据：20119823

由于 16 年才过去 2 个多月，所以少一点，不过可以预见其发展必将远超 2015 年。自 2009 年开站以来，每年用户几乎都是以指数级增长。

活跃度统计

等级范围：0 – 6

总数据：20119918

截止时间：2016-02-18

由于 B 站有经验等级规则，用户的活跃度可以依据等级判断。

等级为 0，就是只注册未登陆过的用户。等级为 1 或 2，为非活跃用户。等级为 3 以上，就是活跃用户。其中等级为 5 或 6 的，为投稿数特别特别多、视频特别火爆的用户，为 B 站的主干用户(约 5000 人)。

关于留存率等数据，日后再统计分析。

粉丝统计

有效数据：2011918

范围：0 – 988323

截止时间：2016-02-18 21:04:52

哎 – -，我也是有 2 个粉丝的人！

以下是 B 站 TOP20 用户。很多人都非常的眼熟哈。

https://gekspider.org/geek/223.html

数据挖掘入门与实战

教你机器学习，教你数据挖掘

公众号： weic2c

责任编辑：

bilibili助手C2C服务器,Bilibili (B站)200万用户数据爬取与分析(附源码)相关推荐

b站学python_Python爬虫学习教程 bilibili网站视频爬取！【附源码】
python爬虫学习教程,万物皆可爬!每个技术大牛都是从基础慢慢的提升上去的,基础知识越深以后的发展越牛!学好python,才能玩转python,那到底怎么才能学好python? 通过爬取b站案例带领 ...
Python爬虫学习教程 bilibili网站视频爬取！【附源码】
Python爬虫学习教程,万物皆可爬!每个技术大牛都是从基础慢慢的提升上去的,基础知识越深以后的发展越牛!学好python,才能玩转python,那到底怎么才能学好python? 通过爬取b站案例带领 ...
通过路由器或服务器实现多路由多网络接入网路传输提速详细实现（附源码），五万字搞懂双路由、旁路由、分布式路由、CN2线路、IPLC线路、BGP线路的原理和实现
通过路由器或服务器实现多路由多网络接入网路传输提速详细实现(附源码),搞懂双路由.旁路由.分布式路由.CN2线路.IPLC线路.BGP线路的原理和实现. 双wan口路由器如何实现双线接入(双wan口路 ...
python b站礼物_用Python爬取并分析了B站最热排行榜，我发现了这些秘密
现在大家的生活中,已经越来越离不开B站了,2020年的第一季度,B站月活跃用户达到了1.72亿,日活跃用户也已经突破了5000万个用户.源源不断的流量让B站的up主们也是粉丝数目不断暴涨,百万粉丝的u ...
Qt 零基础设计实现TCP服务器和客户端上位机（零基础实战详解，附源码文件）
文章目录 TCP和UDP TCP的三次握手和四次分手 TCP和UDP的区别关于Socket(套接字) Qt TCP服务器的设计与实现使用Qt的帮助 TCP服务器和客户端区别 UI界面设计和原则 ...
绝地求生优化服务器什么意思,《绝地求生》百日行动：优化服务器，封禁200万个账号...
<绝地求生>百日行动:优化服务器,封禁200万个账号 2018-11-17 16:02:07来源:游戏下载编辑:嘉文四世评论(0) 今天,<绝地求生>官方微博发布了一篇名为&q ...
曝肝三天，两千行Python代码，制作B站视频下载工具（附源码）
曝肝三天,两千行Python代码,制作B站视频下载工具(附源码) 文章目录一．准备工作二．预览 1.启动 2.解析 3.下载中 4.下载完成 5.结果三．设计流程 1.bilibili_vide ...
越过验证码 selenium模拟登录B站项目实战（附源码）
实战:selenium模拟登录B站登录验证码处理 selenium 中的难点验证码破解因为确实没有很好的方式,一般都需要通过第三方平台实现破解,本案例中使用的是超级鹰平台(收费,大概1元30次,测试 ...
手把手教你使用Python网络爬虫获取B站视频选集内容（附源码）
点击上方"Python爬虫与数据挖掘",进行关注回复"书籍"即可获赠Python从入门到进阶共10本电子书今日鸡汤位卑未敢忘忧国,事定犹须待阖棺. ...

bilibili助手C2C服务器,Bilibili (B站)200万用户数据爬取与分析(附源码)

bilibili助手C2C服务器,Bilibili (B站)200万用户数据爬取与分析(附源码)相关推荐

最新文章

热门文章