为保证阅读体验，强烈建议点击原文链接阅读

原文链接：知乎凡尔赛沙雕语录，究竟有多沙雕？

大家好，我是小一

前一阵子，凡尔赛文学突然爆火网络，特别是在知乎上竟然出现了大量的凡尔赛语录

随便点进去一个问题一看，确实一张口就是老凡学家了，够沙雕

甚至有的问题回答竟然有好几百，关注和浏览量都还挺高。

突发奇想，要不？把这些回答爬下来，分析一下【凡学家们】究竟有多沙雕？

凡尔赛问题定位

首先，在知乎搜索【凡尔赛语录】，发现有几个相关问题

其中第二个和我们要的结果比较相似

点进去后可以发现这其实是个回答，关于这个提问共有 225 个回答。

可以看到当前网址是下面这个

https://www.zhihu.com/question/429548386/answer/1575062220

去掉 answer 以及后面的部分就是这个问题的网址，这个网址我们会在后面的爬虫中用到。

特别是后面的一串数字是问题 id，作为知乎问题的唯一标识。

https://www.zhihu.com/question/429548386

爬取问题回答

研究一下上面的网址，我们发现需要爬取两部分数据：

一部分是问题的详情，包括创建时间、关注人数、浏览量、问题描述等。

一部分是问题的回答，包括每个答主的用户名、粉丝数等信息，问题回答的具体内容、发布时间、评论数、点赞数等信息。

其中，问题详情可以直接爬取上面的网址，通过 bs4 解析页面内容拿到数据

而问题的回答则需要通过下面的链接，通过设置每页的起始下标和页面内容偏移量确定，有点类似于分页内容的爬取。

def init_url(question_id, limit, offset):    base_url_start = "https://www.zhihu.com/api/v4/questions/"    base_url_end = "/answers?include=data%5B%2A%5D.is_normal%2Cadmin_closed_comment%2Creward_info%2Cis_collapsed%2Cannotation_action%2Cannotation_detail%2Ccollapse_reason%2Cis_sticky%2Ccollapsed_by%2Csuggest_edit%2Ccomment_count%2Ccan_comment%2Ccontent%2Ceditable_content%2Cvoteup_count%2Creshipment_settings%2Ccomment_permission%2Ccreated_time%2Cupdated_time%2Creview_info%2Crelevant_info%2Cquestion%2Cexcerpt%2Crelationship.is_authorized%2Cis_author%2Cvoting%2Cis_thanked%2Cis_nothelp%2Cis_labeled%2Cis_recognized%2Cpaid_info%2Cpaid_info_content%3Bdata%5B%2A%5D.mark_infos%5B%2A%5D.url%3Bdata%5B%2A%5D.author.follower_count%2Cbadge%5B%2A%5D.topics&limit={0}&offset={1}".format(limit, offset)

    return base_url_start + question_id + base_url_end

设置每页回答数 limit=20，offset 则可以是0、20、40...

而 question_id 则是上面提到的网址后面的一串数字，这里是 429548386

逻辑想明白之后就是通过写爬虫获取数据了，文末有完整的爬虫代码获取方式，运行的时候你只需要修改问题的 id 即可。

由于篇幅问题，这里只贴主要的代码：

if __name__ == '__main__':    question_id = '429548386'    url = "https://www.zhihu.com/question/" + question_id    """获取问题的详细描述"""    title, question, follower, watched, answer_count, tag_list = get_question_base_info(url)    print("问题url："+ url)    print("问题标题：" + title)    print("问题描述：" + question)    print("该问题被定义的标签为：" + '、'.join(tag_list))    print("该问题关注人数：{0}，已经被 {1} 人浏览过".format(follower, watched))    print("截止 {}，该问题有 {} 个回答".format(time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()), answer_count))

    """获取问题的回答数据"""    # 构造url    limit, offset = 20, 0    page_cnt = int(answer_count/limit) + 1    answer_data = pd.DataFrame()    for page_index in range(page_cnt):        answer_url = init_url(question_id, limit, offset+page_index*limit)        # 获取数据        data_per_page = get_answer_info(answer_url, page_index)        answer_data = answer_data.append(data_per_page)        sleep(3)

    answer_data.to_csv('凡尔赛沙雕语录_{0}.csv'.format(question_id), encoding='utf-8', index=False)

爬虫运行截图如下：

最终，该问题现有的 225 条回答都已经成功爬到

分析回答数据

每个答主都有自己的粉丝，粉丝多的答主应该回答质量比较高，才会受到大家的广泛关注。那，像这种沙雕语录他们也有涉及吗？

先来看一下粉丝数和赞同数的关系

可以发现，粉丝数多的答主的问题回答赞同数不一定高，反倒是粉丝数少的答主回答更沙雕些，广受大家认可。

那，赞同数多的回答评论数应该也不少，毕竟大家都会前排吃瓜，围观沙雕

果然，问题回答的赞同数和评论数基本呈线性分布

基于常识，越早的问题回答应该越容易受到关注，会吸引一大波吃瓜群众前来围观，时间越往后可能热度就过去了，也就少有人关注了。

看一下分布图：

可以看到，这个话题的关注度持续时间比较久，甚至十天后还有近千赞的回答产生，相比微博的热搜知乎热搜似乎持续时间更久一些。

最后，一起欣赏一下新时代的凡尔赛沙雕语录

一开口就是老凡尔赛人了！

说出来挺不好意思的，我是最近才知道鸡蛋有壳的，以前都是吃管家剥好的，一直以为鸡蛋都是白色的软软的

好烦，睡过了马尔代夫的航班，只能专机去了

今天，我的姐妹说要开跑车来接我下班，我说不要，打工人怎么能用跑车下班？

家里已经帮我包了一辆公车了，年卡，随我刷。

打工可能会少活十年，不打工我一天也活不了

早晨我把“早安打工人”发给了数位好友，无一人回复。后来我才意识到，打工的只有我一个，他们这些人上人还在睡觉。

对不起，是我认真了。

雇主让我早点去安空调

我说：“就不能晚点安吗？”

他说：“不能，打工人就是要早安！”

写在后面的话

本节语录+图片均来源于网络，侵权可以后台联系小一删除。

本节相关的爬虫代码已经整理完毕，原文 后台回复【凡尔赛】 获取源码。