公众号“企鹅爸爸”内容爬取&简析

公众号“企鹅爸爸”内容爬取&简析

1.前言

1. 本篇主要围绕爬取和简析“企鹅爸爸”公众号中商城和历史文章的部分内容。（报告中爬取部分的代码以及采集到的具体数据有所省略）
2. “企鹅爸爸”商城销售量信息较易爬取。共采集了有销售量的商品总数94条。
3. 鹅厂的微信公众号，历史文章的反爬非常强，如果构建企业级爬虫成本极高。但为了满足初步分析的目的，我们可以另辟蹊径，先快速获取少量数据（最近的50篇文章）。ps：目前已经没有点赞数了。

2.“企鹅爸爸”商城商品销售情况爬取及简析

1. “企鹅爸爸”在售商品价格分布情况：
   由图可知，“企鹅爸爸”在售商品的价格主要分布在200元内，总体平均价格为113元，50元左右的商品数最多。
   
2. “企鹅爸爸”各年龄层在售商品数及比例情况：
   由以下两图可知，各年龄层在售商品中，3岁+商品数最多。
   另外，3-6岁+的商品占据了整体在售产品数量的73.63%
   
   
3. 哪些是爆款？
   有下表可知（销售量占中体前80%的商品列表），销售量前三名都是三岁+的产品（具体特点可以再仔细研究）。
   另外，通过计算，我们可以发现表中商品总数为26，占据整体有销量商品的27.66%，但占据了80%的销量，比较符合帕累托法则。
   

3.“企鹅爸爸”公众号最近50篇文章评论数等信息爬取及简析

1. 文章基本信息示例：
   最受欢迎的文章都是比较具有热点或话题性的内容
   
2. 是否原创对阅读数的影响：
   从数据上来看差别不大，原创平均阅读数上稍差，标准差较小，具体情况性质可以再仔细探讨。
   
3. 近50篇公众号阅读数分布密度图：
   每篇文章平均阅读数为4790，
   

4.总结

1.本篇是简单爬取信息和分析的作业，“企鹅爸爸”具体内容有待深入研究。
2.爬虫部分占据整体过程的大部分的时间，建议聘用专业爬虫工程师或者支付一点费用直接购买相关服务，会省去大量时间等成本。