我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

声明:动作危险,切勿模仿!

1、听从广大网友劝导,目前程序已停止运行!QQ空间也已升级访问安全机制。

2、本“分析”数据源自部分用户的公开信息,并未触及隐私内容,广大网友无需担心。

3、QQ空间会不定期发布大数据分析报告,感兴趣的朋友关注腾讯大数据官方公众号。

 

    感谢博客园! 转载请注明博客园地址,[email protected]

    这是我近期使用C#写的一个QQ空间蜘蛛网爬虫程序。程序断断续续的运行了两周,目前总共爬了3万QQ数据,其中有300万包含用户(QQ号,昵称,空间名称,头像,最新一条说说内容,最新说说的发表时间,空间简介,性别,生日,所在省份,城市)的详细数据。

 我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

      目前已经爬到我的第7圈好友(depth=7)共3万数据。

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

 爬虫主程序运行界面:

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

 

爬虫程序设计:

大致设计思路是模仿工厂的生产车间,使用三大独立循环线程组(GetWaitList,CrawlerQQInfos,SaveData)。

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

详细设计图:

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

 

再看看,我根据这份数据生成的一些有趣的统计图吧!

内存已经爆了,不能怪我。  谁赞助台服务器吧

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

 

1、大家一般都在啥时候发说说呢?   

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

 从图中看出一天最冷门的时候是凌晨4点,这时全国正在睡觉的人最多。 大家最亢奋的是晚上10点到11点,人们都喜欢睡前看看别人的空间,发条说说。中午12点左右也有一波小高峰。

 

2、中国人都喜欢在几月生小孩呢?

    我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

 从图中可看出1月和10月出生的人最多,4月的最少。总体来说上半年的出生率比下半年的低。分析可得,1月多是因为很多人填的是默认的1月1号。4月少,是因为中国人不喜欢4这个数字。10月出生率最高,是因为那时天气不冷不热,秋收后也不是太忙了的原因。

 

3、这是我目前爬取的数据人群地区分布   

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

 

4、数据人群的年龄分布

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

      如上两张图,整好和我的信息相吻合。我是湖南人,在江苏读的书,而湖南大部分人都在广东打工。所以地区分布中,这三个省整好排在前四名当中。而我又是1990年出生的,对应年龄分布图1990年的用户最多。从目前的数据来看,无论是分布地区以及年龄阶段与我的关联还非常大,随着数据量的不断增加这种关联会逐渐变小,统计图也会逐渐接近全国用户的真实情况。

 

5、数据人群性别分布

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

      男比女足足多了23%的人数,我分析认为实际差距应该是不大的,但女生在设置QQ空间访问权限时普遍要比男生的高。所以我爬取的数据中男生居多。

 

 

6、下面系列图是根据一些“关键字”在说说中出现的频率统计出来的,相当有意思。

       单个用户的行为是很难看出规律的,大数据的意义在于它会不断矫正那个平衡点,从而得出反应宏观现象最真实的情况。数据量越大,平衡点动荡的幅度便越小。进而能够根据当前的数据趋势预测后续的发展,为决策提供有力依据!

6.1 图说股市      

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

       现在我们拥有海量的互联网社交数据,如QQ的说说,sina的微博数据。我觉得这些数据拥有惊人的利用价值,这非常值得我们去研究,去挖掘。我想,用它们来做一些股市或者其它方面的分析预测是可行的,准确度应该也是非常高的。

    将股票中的关键字做海量数据分析,比如会得出当日讨论股票热度排行榜。进而能得到海量讨论股票的用户,再通过市场的实际反馈找出股票上涨及下跌的正相关因子,再对这些海量数据进行分析计算得出最靠谱股票推荐大神排行榜。对这些用户分级,分优先度及抓取密度来拿数据。用这些数据分析出哪些是靠谱的股票肯定靠谱!

 

 

6.2 群众讨论最多的明星排行榜,还是很靠谱的。(我爱汪峰哥,我也爱Jay! 信仰在空中飘扬)

插播汪峰头条:素不相识,光听新闻的片面之词就断下结论,那是完整的真相吗?背后的故事又有谁了解多少?实在反感那些破口大骂的,更是可恶一些媒体就事三番五次的戏谑。

祝峰哥幸福,我很喜欢你的歌!

 

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

 

6.3 最为用户喜爱的手机品牌

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

 

6.4 人们最喜欢谈论的互联网公司,阿里之所以这么低估计是大家都喜欢叫它淘宝或者天猫吧。

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

 

6.5 QQ空间中讨论的最为频繁的社交平台排行榜。

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

 

6.6 生活的统计图

爱>恨; 开心>伤心; 笑声>叹气声; 吃货很多;  谁特么说中国不幸福了,这满满的都是正能量数据啊。

我从腾讯那“偷了”3000万QQ用户数据,出了份很有趣的独家报告!

好了,其实还可以做很多其它的分析。如果大家有什么有趣的数据分析想知道的,那就给我留言吧。

 

       技术不多说了,程序不难,多线程数据库操作却是把我搞苦了。还好,现在程序差不多稳定了。过程也是很有意思的,有空我再写个程序升级过程中的那些趣事吧。我觉得一个美妙的程序一定是高度模拟现实的,就像飞机模仿蜻蜓,雷达模仿蝙蝠一样。 这次的程序设计就是模拟的工厂的生产线。

更多相关文章
  • MYSQL ROOT权限注入的时候需要用到的系统表 ....通过以下这些表就可以猜解到有那些库 有那些表 有那些字段最后猜解数据.... 目录 23.1. INFORMATION_SCHEMA表 23.1.1. INFORMATION_SCHEMA SCHEMATA表 23.1.2. INFORMA ...
  • Date在js中和Array类似,都是拥有自己的特殊方法的特殊对象. 由于平常用到Date着实不多,对它的了解颇浅.上周被问到怎么样获取某年某个月的天数,我当时想了一会儿,回答说有两种,一种自己写判断闰年的逻辑,每个月天数分两种情况存数组,一种是利用js Date对象的特性(其实是他总结的...). ...
  • 一些第三方jar包我们需要手动进行安装部署,另外如果使用nexus时索引未更新下来急于使用时也可以进行安装或部署.安装(install)仅将相应jar包安装到了本地仓库,而部署(deploy)则将jar包部署到了私有仓库中.如下两段代码分别是命令行形式下安装oracle 的jdbc驱动包,和部署su ...
  •   通过OleDb查询[类似ado连接数据库取数据的方式]从csv或者xlsx类型的文本中获取数据并输出到DataTable      表类型是MSsql推出的一个表结构,可以根据表的结构定义相应的结构,可以实现批量导入数据,具体实现是在存储过程里面定义一个表类型参数,在外部可以接受一个DataTa ...
  • [Unity3D]再次点击以退出程序 本文介绍为Android应用编写点击返回按键时的"再次点击以退出程序"的方法.   +BIT祝威+悄悄在此留下版了个权的信息说: 下面是一个测试用户双击手机屏幕速度的app,拿来展示"Click again to quit app& ...
  • Foundation框架一.Foundation课程安排1.NSObject.NSString.NSMutableString2.NSNumber.NSValue.NSDate.NSArray NSMutableArray3.NSArray的遍历.NSArray的新语法(IOS6).NSArray ...
一周排行
  • 晚报记者 秦川 姚宏伟 报道随着4G发牌箭在弦上,长期与iPhone绝缘的移动用户也即将守得云开见月明.记者昨从中移动(53.62, -0.62, -1.14%)内部人士处获悉,本月18日,让用户苦等已久的4G版iP ...
  • 安装过程中可能需要root权限 下载源包   http://httpd.apache.org/   httpd-2.4.16.tar.gz   解压源文件 tar -zxvf httpd-2.4.16.tar.gz ...
  • 一.常用的寄存器 r0 -r3    临时变量  用于传递参数,传递返回指,当传递参数的参数大于4个时,用栈空间.即开辟sp fp:frame pointer  记录回溯sp ip: 很少用 ,临时存放sp sp:指 ...
  • 当我们部署完LAMP后,测试页面输出时,可以看到http响应头里有如下header: Server: Apache/2.2.3 (Red Hat) X-Powered-By: PHP/5.1.6 显示了服务器一些敏感 ...
  • 动画的循环与中断,此方案有异于setinterval和settimeout.使用cancelFrame前必须将requestAnimationFrame的返回值作为cancelFrame的参数执行cancelFram ...
  • 1,可以用route命令临时修改: route add default gw <gateway ip> 2, 通过修改/etc/sysconfig/network 文件永久修改: 脚本: #!/bin/s ...
  • 本文主要保存aop配置的xml文件内容 <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="h ...
  • Linux的Shell编程 其实作为命令语言互动式地解释和执行用户输入的命令只是Shell功能的一个方面,Shell还可以用来进行程序设计,它提供了定义变量和参数的手段以及丰富的程序控制结构.使用Shell编程类似于 ...
  • 每经记者 杨珏轩 发自广州近日,P2P平台问题集中爆发,越来越多的平台因涉嫌非法集资被立案侦查.在以往案件中,出问题的多是"年轻"的小平台.近日,<每日经济新闻>记者调查发现,一个运营 ...
  • 易网科技讯,12月16日上午消息,CNNIC(中国互联网络信息中心)主任毛伟今天上午宣布调离,新一届主任为中国科学院计算机网络信息中心主任黄向阳. 据悉,今后CNNIC主任将由中国科学院计算机网络信息主任兼任.