爬取老树画画全部微博数据：三千诗与画

一、前言

1、项目介绍

本次用fiddler抓包移动端（ipad）微博，再用python爬虫获取老树画画微博几乎全部内容。因为老树画画发布的微博结构较为简单，几乎都是：一幅画，配上一段文字，所以在忽略转发内容后，获取画作、诗、发布时间、转发数、评论数、点赞数等内容，共计3395条数据。再用PIL库拼接图片，并用Echarts进行数据可视化。

2、老树画画

此前没听说过老树画画（刘树勇）的人，可以看看一席的视频：全程笑点不断，有很多值得思考的地方。演讲最后也播放了一些作品，可作为初步了解。

【一席】老树画画《做一个梦》

其人在幽默之外，给我的感觉就是有种难以描述的“江湖气”，这是我以前在所谓大学老师身上，乃至其他人身上蛮少看见的。

作品欣赏

二、图片拼接

以前爬微信好友头像时，就用过PIL拼接图片，也在《爬取张佳玮138w+知乎关注者：数据可视化》里放上爬取北美帝国大厦亮灯图后，拼接制作的“ZJU 120”logo。

此次再度用PIL库拼接图片，当然前期需要筛选出好看的、格式和色调等相和谐的图，再将图片批量重命名成数字，完成后，几张成果图如下（文章开头的图亦然），还是蛮好看的：

不知道大家比较喜欢哪一张，存图的一定记得点个赞或打个赏，鼓励下哈。这里挑选的图主要是草木、蔬果的图，也是老树画画作品里占比不少的系列，另外几个系列是什么，留给大家自己去“探宝”了！

三、数据可视化

从微博主页可以了解到，截止20170805中午11点，其关注数：1130，粉丝数：1492599，微博数：3467。其中第一条微博始于2011年。

因为获取的3395条数据中，每条微博发布时间格式为：“Fri Feb 8 21:38:54 +800 2013”，需要先预处理，转换成星期、月份、日期、时间、年份等，这里直接用csv的“数据”-“分列”即可。

1、发布微博之年度情况

首先看看老树画画每年发布微博的数量情况：（2011-2017年）

由于老树画画第一条微博始于2011-07-25（最初的几条微博是关于温州动车追尾事故的，默哀三分钟），所以2011年和2017年数据并非全年情况，暂且看2012-2016年发布数量，可见逐年递减，2012年日均2.9条，2016年日均不到0.4条，而2011年日均更是高达3.6条。

那么具体每日的发布情况怎么样呢？上过GitHub的人，可能会对个人主页中的贡献图有印象，算是很好的展现全年数据的方式，不过此前没画过，网上搜了一圈也没看到可快速上手的，最后皇天不负有心人，终于在知乎上找到了：ECharts 小例子：实现日历图，正好也是用Echarts绘制calendar heatmap，完美。之后就是将日期数据按要求处理成统一格式，最终成果图如下：

不论是从颜色上，还是色块占比上，都可以直观的看出，老树画画发布微博数量和频率呈现逐年递减的趋势。其中在所有日期里，单日发布数量最高的（即色块颜色最深的一格）是：2012-10-19，共计24条（好吧上面色度条最大值20，小小bug了下，就懒得改了），到底发了什么，此处同样留个悬念。

2、发布微博之月份情况

接下来看看在这6年多里，每个月发布情况，9月份和12月份以340+条几乎并列第一，月均56条，而3月份和4月份以低于255条居于末位，月均43条。侧面反映了前三年每月发布数量还真不少，再后几年个别月份只有个位数的情况下，月均依旧超过40条。

3、发布微博之星期情况

再看一周内情况，每日的差距似乎不算太大。不作过多说明了。

4、发布微博之24小时情况

再看24小时情况。其中凌晨4点、5点无数据，2点4条，3点1条，6点3条，睡觉不水手机，水手机不睡觉。嗯。

数量最高的：12点334条，18点317条，难道老树画画喜欢在饭点吟诗作画？结合《一席》演讲里提到的一句诗：“眼前两碗米饭，心中一粒飞鸿。”结合此处数据，可以算作另类的解释了，又或许只是饭点前后掏出手机水会罢了。

5、评论、转发与点赞情况

上回对张佳玮138W+关注者数据进行处理时，最后并没有处理赞同数、收藏数、感谢数。此次爬取老树画画的微博内容，数值数据本就少，因此将评论数、转发数和点赞数绘制成相应散点图，结果如下：

从参与度来说，写评论、转发、点赞，三者的参与度应当依次降低，刷刷微博，刷刷朋友圈，看到不错的内容，反手就是一个......赞，是很方便的，而去写评论和回复相对麻烦些，当然不同人可能习惯不同。简书亦然，阅读量也许几百几千，转化成喜欢和赞同就少了很多，再是评论和打赏就更加寥寥了。

说回上图，评论数和转发数似乎可以看成和点赞数呈正相关。其中，点赞数1w+的有2条，相应的转发和评论数同样不低，找到对应时间的微博，分别为：

谈谈人性，说说孤独，骂骂傻逼，轻松破万赞。

再看图中纵坐标处附近，点赞数寥寥，但转发数1w，评论数几千，不可思议，找来一探究竟：

第一条：“一个泄露国家机密的人！”。

到图库里找出来，仔细瞅瞅！手动翻译成简体字：

“茂名市委书记罗荫国贪污十六亿被双规，接受调查时谈五点：‘一、要说我是贪官，说明官场就是贪场，凭什么专搞我？二、真叫我交代我能讲三天三夜，把广东官场翻个底朝天。三、中国不就是腐败分子提拔腐败分子，腐败分子反腐败吗？四、像我这种级别的，谁不能供出百来个？五、谁不花钱当上小科长叫他大哥。’”

（码完字，倒吸一口气，如果这篇文章挂了，一定是因为这个吧......富强民主文明和谐，护体！）

第二条：“有时心情糟糕，真想死掉拉倒。折腾半天睡去，醒来不想死了。——《有时候》系列之五”

生生死死的大哉问，睡一觉，讲什么都抛诸脑后。

另外两条高赞高转发的微博：

“天色将晚，抱鱼上床。世间破事，去他个娘。”

18禁的评论，不能腌臜了咱小媳妇、大姑娘的眼睛，快走开，快走开，看什么看！

“【清明】烟雨十里春深，落花轻覆草痕。陌上青青柳色，心中念念故人。”

看时间，正是清明，看来触动了不少人的感情。

四、打油诗

“老树微博，三千诗与画”，这句话是我当初爬完数据后分享到朋友圈的，老树画画的“打油诗”，也是一大特色，微博底下几乎也是清一色回复诗的，倒是蛮奇特的“景观”。这里对文本、自然语言的处理、情感分析等等都没有涉及，后续可以继续研究下，看看这些诗里正面情感和负面情感情况如何？此处仅贴上原始获取的数据和词云：

曾写过诗，填过词，倒没怎么看过打油诗，有了这3千多少诗，嘿嘿嘿，倒是可以试试怎么把词频最高的一些词语串起来，写首什么，欢迎大家在评论里创作。━(*｀∀´*)ノ亻!

五、小结

第一次用fiddler抓包移动端，发现比想象中简单，网上安装配置的文章很多，很简单的几步。移动端的爬取要比网页电脑的容易的多，但毕竟是微博，传说中反爬严格的社媒啊，在不清楚移动端情况下，直接上手爬，还是蛮怕被封ip和账号的。幸而顺利爬完。对于想获取数据的人来说，完全可以爬移动端，此次和上回爬知乎差不多，都是访问API，返回JSON数据，完全不用beautifulsoup，正则什么繁琐的提取信息，简直爱死JSON数据了。

再是用Echarts绘制calender heatmap，也是第一次，技能get。

最后是文本数据的挖掘、情感分析可以继续学习，社媒的数据处理和分析，没什么思路。

最后的最后，发张“舒服死了”的图，23333：