如果你正在找工作，或者說對某一個行業很感興趣，在現實裡，你可能接觸不到這個圈子裡的從業者，沒有辦法瞭解這個行業的從業者特徵或者是工作動態，這裡給大家推薦一個好方法，就是通過社交圈來了解，比如微博、linkin等平臺，很多人都會給自己打上一個行業/職業的標籤，通過搜索這類標籤，你能夠找到一批目標用戶，通過他們的動態信息可以去做各類調研。
最近電影行業發展勢頭很猛，除了電影本身的因素外，我特別想了解一下影評圈子的從業者，因為他們在推廣和普及電影方面起了很大的作用，所以，我爬取了微博上的個人資料，用來分析影評從業者的特點，下面給大家介紹一下我的分析過程吧。
1，蒐集數據
在微博用戶搜索"影評"關鍵詞，用集搜客爬蟲上的新浪微博關鍵詞搜索博主工具進行採集，微博有限制，最多能爬取50頁，所以，只能爬取到962條數據，採集得到的原始數據表如下圖所示。
採集網址：https://s.weibo.com/user/%25E5%25BD%25B1%25E8%25AF%2584&page=1
新浪微博關鍵詞搜索博主工具：https://www.gooseeker.com/land/weibo.html
2，數據清洗
2.1，用博主id列判斷有沒有重複數據，結果是沒有重複值，所以這次的樣本數據就是962條。
2.2，微博級別認證情況採集下來的是一串屬性值，下面通過Excel的查找替換功能把這些屬性值替換成相應的微博認證級別。
2.3，所在地區這一列包含了省份、城市/地區信息，用Excel的分列功能劃分為所在省份和所在城市兩列。
2.4，關注數、粉絲數、微博數都是文本格式，要轉換為數值格式；
2.5，把標籤這一列拷貝到TXT記事本里，然後把空格替換為橫槓-，再拷回Excel裡，用分列功能把一個個標籤解析出來，再統計博主的標籤數量；教育、職業等標籤也可以這樣處理；
2.6，清洗完成後的數據表如下。
3，數據統計分析
3.1，博主性別比例
統計博主的性別數量，發現在影評行業裡，男性從業者佔比66%，大約是女性的兩倍之多，說明這個行業目前是男性主導。
3.2，博主級別分佈情況
從博主的認證情況來看，認證用戶、無認證用戶的佔比分別是46%、54%，比例接近1：1，而影評人自身的媒體屬性，就需要有一定的權威性和影響力，這麼高的認證比例，也說明了微博認證對從業者的發展有一定的保障和推動作用。
另外，認證用戶裡分為個人、機構兩種，個人又會根據每月的微博閱讀量有沒有超過1千萬而分成金V、橙V兩種，從上面看出，橙V用戶佔比38%，是金V用戶的6倍之多，說明，要做到金V級別確實不容易；
3.3，平均微博數
從上面第一個圖看出，個人金V用戶發佈的平均微博數是最多的，遠遠超過總平均微博數，其次是個人橙V、微博達人；第二個圖，超過平均微博數的博主中，個人橙V用戶是最多的，其次是個人金V、普通用戶、微博達人，機構藍V用戶最少，也從側面說明了一個道理，不是發的微博越多就能成為金V用戶，本身要足夠好才能吸引其他人去閱讀轉發；
3.4，平均粉絲數
從上面第一個圖，就知道個人金V用戶的平均粉絲數遠遠超過總平均粉絲數，然後從第二個圖裡，個人金V、個人橙V、普通用戶、機構藍V都有超過平均粉絲數的用戶，只有微博達人沒有，另外，金V用戶還有6個博主是低於平均粉絲數的，再看看下面粉絲數top10博主都是金V用戶，就不難理解為什麼金V用戶的平均粉絲數這麼大了。
3.5，地理位置分佈
有85%的博主是在中國大陸工作，8%是在海外工作，另外有7%的博主沒有填地理信息；
統計影評人在中國各個省份的分佈數量，可以發現，從西部到東部呈現出增強趨勢，特別是東部沿海的省份，從業者都比中西部多，而東部省份中，發達的省份更加受歡迎，北京就有280人，是影評人最多的省份，排第二的是廣東，第三的是上海，說明這三個省份的文化娛樂業在全國相對比較發達。
3.6，標籤統計
有324個博主是沒有填寫任何標籤，佔比34%，餘下66%都是寫了1個以上的標籤，寫了標籤的博主，標籤數量從1-10都有，只寫1個標籤是最多的，其次是10個標籤，然後是5個標籤；
把影評人填寫的標籤做成詞雲圖，用得最多的前10個標籤是電影、影評、娛樂、旅遊、美食、音樂、文藝、影評人、時尚、幽默搞笑，主要表現休閒放鬆的娛樂方式以及內容；
3.7，微博認證信息詞雲圖
經過認證的博主一共是438名，把他們的認證信息進行分詞後，得到上面的詞雲圖，影評人、電影、自媒體、作者、簽約、博主、資深、文章、傳媒、娛樂、知名、頭條等是常用的身份認證用詞；
3.8，教育信息
填寫了教育信息的博主佔比是27%，雖然數量有點少，但是從其填寫的教育信息來看，排在前10的學歷都是重點高校，說明影評人的受教育水平和質量都不會太低；
4，總結
閱讀更多 語義網絡爬蟲 的文章
