点击上方“CSDN”，选择“置顶公众号”

关键时刻，第一时间送达！

【CSDN 编者按】今天是 2017 年最后一天，在此向所有程序员朋友们道一声「新年快乐」，在过去一年里，发生了很多事，一边是新技术的不断迭代，一边是国内外各大厂的放大招，还有的，就是程序员群体所遭遇的重大事件。在这一年，CSDN 发布了 905 篇文章，与所有程序员朋友们一起见证了许多事，也相伴着走过了学习、工作的路程，在本文中，我们的一位好朋友 —— 某知名互联网公司运维技术负责人刘晓明（ID：布道）用 Python 爬虫了 CSDN 过去一年的历史文章数据并进行了分析与总结，在此与诸君分享。

CSDN 小姐姐祝所有程序员朋友新年快乐！

以下为正文：

2017 年转眼之间就过完，心挺累，人挺烦，想想都是为了钱。今天，我们用 Python 看看 2017 年小姐姐对 CSDN 微信公众号都做了啥？微信公众号的文章爬取有三种方式：

1. 通过微信订阅号在发布文章，可以查找公众号的文章，方式见微信公众平台的链接。但阅读数、点赞数、评论数仍无法抓取。

2. 通过搜狗微信搜索微信公众号方式，但是文章篇幅仍然后有限制，点赞、阅读数和评论数无法抓取。

3. 通过“中间人方式”对数据进行拦截，过滤解析后进行抓取。

本文就是利用第三种方式对数据进行抓取。

思路

1. 安装代理 AnProxy，在手机端安装 CA 证书，启动代理，设置手机代理；

2. 获取目标微信公众号的 __biz；

3. 进入微信公众号的历史页面；

4. 使用 Monkeyrunner 控制滑屏；获取更多的历史消息；

5. 记录文章标题、摘要、创建时间、创作类型、地址等等；

6. 文章列表获取完成后，利用 Monkeyrunner 进入文章的列表，

7. 记录文章的阅读数，点赞数，评论数等；

8. 重复以上操作。

数据爬取结果

数据分析

文章总数：905 篇，每个月发布情况如下：

import pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin.xlsx',encoding= 'utf-8',header=1,names=name,)df = pd.read_excel('weixin.xlsx',encoding= 'utf-8',header=1,names=name,)df['文章数'] = pd.to_datetime(df['日期']).dt.monthdate = pd.DataFrame(df['文章数'].value_counts())plt.figure(figsize=(15, 5))plt.title('CSDN公众号文章发布情况')plt.xlabel('月份')plt.ylabel('文章数')plt.xticks((1,2,3,4,5,6,7,8,9,10,11,12),('2017-01','2017-02','2017-03','2017-04','2017-05','2017-06','2017-07','2017-08','2017-09','2017-10','2017-11','2017-12'))plt.plot(date.sort_index(),color='green',linestyle='dashed', marker='o', markerfacecolor='blue', markersize=8,)plt.show()

CSDN 公众号发布情况

通过发布文章次数的曲线来看，CSDN 在今年下半年才正式着重运营微信公众号，在 11 月份和 12 月份月发布次数已经超过 100 篇，每天 6 篇文章已经成为常态，小姐姐确实不容易啊，手动点赞！

创作类型分析

import pandas as pdimport matplotlib.pyplot as pltimport pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin.xlsx',encoding= 'utf-8',header=1,names=name,)data = pd.DataFrame(df['创作类型'].value_counts())explode=[0,0,0,0,0]plt.figure(figsize=(15, 6))plt.axes(aspect=1)plt.title('文章创作情况',fontsize=18)plt.pie(x=data,autopct='%.2f%%',explode=explode,shadow=True,labels=['原创','未标记作者','创作或转发','其它','未知'])plt.show()

文章创作情况比例分布

通过文章的创作情况来看，一半以上的文章都是原创。基本上每天至少有一篇原创的文章。

有这样的文采，确实是难得的人才。

阅读数分析

import pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin.xlsx',encoding= 'utf-8',header=1,names=name,)data = df[['阅读数']]a = data.sort_values(by=['阅读数'],ascending=False)one = a[a['阅读数']>=70000].sizetwo = a[(a['阅读数']>=30000) & (a['阅读数']<70000)].sizethree = a[(a['阅读数']>=10000) & (a['阅读数']<30000)].sizefour = a[(a['阅读数']>=1000) & (a['阅读数']<10000)].sizefive = a[(a['阅读数']<1000)].sizeexplode=[0.3,0,0,0,0]fras = [one,two,three,four,five]plt.figure(figsize=(15, 5))plt.axes(aspect=1)plt.title('阅读数分布比例',fontsize=18)plt.pie(x=fras,autopct='%.2f%%',explode=explode,shadow=True,labels=['大于70,000','30,000~70,000','10,000~30,000','1000~10,000','小于1,000'])plt.show()

阅读数分布比例

import pandas as pdimport matplotlib.pyplot as pltimport pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin.xlsx',encoding= 'utf-8',header=1,names=name,)df_read = df[['标题','阅读数']]data_read = df.sort_values(by=['阅读数'],ascending=False)data_read.index = data_read['标题']var = data_read['阅读数'][:10]plt.figure(figsize=(15, 6))plt.title('阅读数 TOP10 的文章',fontsize=18)plt.xlabel('数量',fontsize=18)plt.ylabel('标题',fontsize=18)var.plot(kind='barh', stacked=True,alpha=0.5,color=['red'])plt.show()

阅读数 TOP10 的文章

由于阅读数超过 10W，返回值为 100001，具体数字是多少，前后台不得而知。整体文章质量比较高，不乏有 10 万+的文章出现。大 V，对技术资讯的传播具有很大的影响力！

点赞数分析

import pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin.xlsx',encoding= 'utf-8',header=1,names=name,)data = df[['点赞数']]a = data.sort_values(by=['点赞数'],ascending=False)one = a[a['点赞数']>=200].sizetwo = a[(a['点赞数']>=50) & (a['点赞数']<200)].sizethree = a[(a['点赞数']<50)].sizeexplode=[0.3,0,0]fras = [one,two,three]plt.figure(figsize=(15, 5))plt.axes(aspect=1)plt.title('点赞数分布比例',fontsize=18)plt.pie(x=fras,autopct='%.2f%%',explode=explode,shadow=True,labels=['大于200','50~100','小于50'])plt.show()

点赞数分布比例

import pandas as pdimport matplotlib.pyplot as pltimport pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin.xlsx',encoding= 'utf-8',header=1,names=name,)df = df[['标题','点赞数']]data = df.sort_values(by=['点赞数'],ascending=False)data.index = data['标题']var = data['点赞数'][:10]plt.figure(figsize=(15, 6))plt.title('点赞数 TOP10 的文章',fontsize=18)plt.xlabel('数量',fontsize=18)plt.ylabel('标题',fontsize=18)var.plot(kind='barh', stacked=True,alpha=0.7,color=['green'])plt.show()

点赞数 TOP10 的文章

“为什么现在的监控系统容易硬盘坏？附原理解析

摘要：分享一则技术贴。

作者：无

阅读数：70302

点赞数：157

评论数：41

NO8：致永远离开我们的一位程序员

摘要：为什么在代码之外的世界里，作为程序员的我们，会频遭维艰的窘境？致这位永远离开我们的开发者，愿天堂没有恶人相逼，愿你可做自己喜欢的事情。

作者：班布里

阅读数：67689

点赞数：108

评论数：92

NO9：任正非致歉华为前程序员：回来吧，公司错了

摘要：当年岁增长，究竟是在技术一线的道路上一直走下去？还是转而做管理人员？又该如何兼顾工作与家庭？

作者：唐小引

阅读数：65206

点赞数：199

评论数：94

NO10：马云说，即使阿里巴巴死了，达摩院也要活着

摘要：用马云的原话就是：阿里巴巴要走 102 年非常之艰难，达摩院必须要比阿里巴巴活的时间长。

作者：沭七

阅读数：59097

点赞数：191

评论数：74

虽然不知道在 2017 年增加多少粉，但是通过分析来看，CSDN 公众号通过一年的运营已经成为技术类公众号的主流媒体。若我是老板，年终奖一定会给她包个大红包，2018 年升职加薪！

最后，朋友们如果有想说的话，或者想要源码或数据源学习，请留言，技术之路，感谢有你们[手动比心]。更欢迎你们加入 CSDN 作者大家庭，一起为天下程序员传播更具价值的优质内容，请微信联系：donyintxy 投稿（备注：姓名+投稿）。

作者简介：刘晓明，某知名互联网公司运维技术负责人，拥有 10 年的互联网开发和运维经验。一直致力于运维工具的开发和运维专家服务的推进，赋能开发，提高效能。有专栏名曰「开发运维」，欢迎关注：https://zhuanlan.zhihu.com/idevops。

————— 推荐阅读 —————