最近 "個人惡趣味" 持續泛濫。
博客的訪問量、粉絲數一直是滿足樓主個人虛榮心的好東西（原諒樓主也是凡人愛慕 "虛榮"），有時候我就在想，同一篇隨筆，不同時間段發表是不是能獲得不同的閱讀量，換句話說，博文質量相同的情況下，哪個時間段的閱讀量可能會多一些呢，於是決定讓數據說話。（我會告訴你其實是想學習 node 嘛）
PS：爬取博客園並不想對博客園的服務器造成任何影響（事實也證明博客園的服務器是很剛的），只是為了學習之用，還望博客園的大大們海涵。
整體架構#
整體思路非常簡單，采集發表在博客園首頁的文章的 發表時間 以及 閱讀量，進行分析。
博客園首頁每頁 20 篇隨筆，采集 150 頁，從 p51 到 p200，相應的 url 為 http://www.cnblogs.com/#p51 到 http://www.cnblogs.com/#p200，取每篇隨筆的發表時間（小時）以及閱讀量，最后求得該時段每篇隨筆的閱讀量平均值。
考慮到我和馬雲平均一下也是億萬富翁，得剔除一些有影響的數據。怎么說？比方有篇文章發表於 5 點，閱讀量為 10k，並不是因為發表於 5 點導致閱讀量很高，而是因為這篇文章確實有質量，如果它是 10 點發表，它的閱讀量還是一樣高，如果將這條數據算做有效數據，那么發表於 5 點的文章的平均閱讀量一下子會被拉高，和 5 點這個時段並沒有直接關系。根據經驗，我把這個閾值定為閱讀量 2000，也就是剔除了閱讀量 2000+ 的數據。這也正是前面說的，"博文質量相同" 為前提，當然這個 "相同" 不可能是絕對的，只能相對來說。
后端#
后端方面，我希望能給前端提供一個接口，返回一個數組，該數組擁有 20*150 個對象，每個對象代表一條文章數據，它有兩個 key 值，一個 key 為 postTime，表示發表時間（小時），另一個 key 為 viewTimes，表示閱讀量。
比如上面這條數據，表示文章發表於 9 點（多），閱讀量為 885。
這里我用 node 去爬博客園。
之前也用 node 並發爬過網頁（詳見 Nodejs - 如何用 eventproxy 模塊控制並發），但是我不確定並發 150 個請求是不是會被博客園 "拒絕"，好在我多慮了。
但是博客園的爬取和之前的爬蟲還是有點區別，開始我以為爬取 http://www.cnblogs.com/#p51 到 http://www.cnblogs.com/#p200 即可，后來發現不對勁，它們的爬出來的頁面 HTML 源代碼都是一樣的，都是博客園首頁，才恍然大悟到博客園的翻頁是 ajax 請求的（不知道 phantomjs 能不能得到類似的請求之后的頁面源碼），好在 SuperAgent 模塊不僅能 get，還能 post。我們把這條請求抓出來看看：
用 SuperAgent 偽造 post 請求：
superagent
.post('http://www.cnblogs.com/mvc/AggSite/PostList.aspx')
.send({"CategoryType":"SiteHome","ParentCategoryId":0,"CategoryId":808,"PageIndex":i,"ItemListActionName":"PostList"})
.end(function (err, sres) { // callback
// ...
});
接下去就不難了，用 eventproxy 模塊控制並發，完成 150 個頁面數據的抓取后，進入 after 回調；用 cheerio 模塊對頁面進行分析，得到需要的數據；通過 express 模塊進行展示。這部分具體可以參考 node系列 的前兩篇文章。
node 部分具體代碼可以參考 Github
前端#
前端方面，需要進行數據的直觀展示。
一開始想的是用 ajax 去請求接口，但是 node 比 php 復雜多了，不大好搞，我也在 cnode 社區提了個 問題，解答如下：
首先你沒理解ajax技術的本質
1. 讓你的node能在瀏覽器端輸出 hello world 參見http://www.nodebeginner.org/index-zh-cn.html
2. 在你的頁面端 js，跑 ajax 嘗試去獲取這個 hello world。如果涉及到跨域，請采用 fs 文件系統 ＋ 設置 mime 的方式自己做 fs 服務器輸出 page。
感覺有點復雜，畢竟文件系統什么的都沒接觸過，還好也有了解決方案，決定用 jsonp 進行跨域。
在調研了幾款 Javascript 圖表庫后，最后選擇了 chart.js 進行數據渲染，主要是它比較輕巧，很適合做簡單的 demo。
接下去就非常簡單了，將爬蟲采集到的數據在 jsonp 回調函數中進行分析即可，分析的數據傳入圖表庫的接口中，完成圖表的渲染。
前端部分具體代碼可以參考 Github
總結#
最后來看看成果吧。
首先統計的是是各個時間段發文總量，這個圖表沒有剔除數據，共 3000 條。
由圖可以看出博客發表在 16點、17點 達到了高峰，個人猜測可能是快下班了，手頭上的活都已經干完了，正好有時間可以總結總結。而 0-8 點以及 12-13 點明顯處於谷值，這也不難理解，畢竟是睡覺時間以及午休時間。其他各個時間段的數據差異不大。
再來來看看各時段發文的平均閱讀量（剔除了閱讀量 2000+ 的數據）：
由圖中可以看到，6 點發的文章閱讀量 "鶴立雞群" 啊，平均可以斬獲 875 的訪問。而 7-9 點發表的文章閱讀量也緊隨其后，這不難理解，6 點發表的文章正好可以被上班途中的人閱讀到，一般 6-8 點發文的量並不多，這樣你的文章就有很大的概率被上班途中的人看到。而 7-9 點也是一樣的道理，早上到公司，打開瀏覽器，看看博客園首頁，這幾乎成了很多人的 "慣性"，所以這個時間點的發文閱讀量會相對大些。
其他一些時間點的數據相對平均，12 點又迎來一個小高峰，吃完午飯，瀏覽下博客園也是常事。
所以，程序員們，早起 6 點發文吧！當然，程序員們才不會干這種事，這種事交給定時腳本來干就好了，這個就是后文了。
如果你有興趣，還可以研究下周末發文的閱讀量和工作日的區別（據說周末發文沒人看哦）。
本文所有代碼可在我的 Github 中找到。