前言
看前面有位朋友分析了一下每天某個時間發文章的訪問量區別，以討論非系統性因素對文章訪問量的影響。之所以進一步討論工作日和周末發文對文章訪問量的影響，一是覺得很有意思，二是畢業設計與此有很大關系，三是覺得還是有點意義的，於是決定做一下這個工作。那么到底周末發文的訪問量是不是總體來說比工作日低呢，請往下看。
工具
1.Python 3.5
2.BeautifulSoup 4.4.1
3.Requests模塊
分析網頁
由於之前的工作已知博客園博客展覽頁是要通過ajax請求換頁，這里我采用了Requests模塊，post一個請求即可。
payload = {"CategoryType":"SiteHome","ParentCategoryId":0,"CategoryId":808,"PageIndex":i,"ItemListActionName":"PostList"}
r = requests.post(posturl,data = payload)
這樣就可以接收到第i頁的博文列表的HTML內容了。
再來看一下我們要爬取的內容：
我們要爬取兩個內容：發布時間 與 閱讀量，這次我們爬取40—200頁共161頁的內容，並分兩種情況：剔除3000以上訪問量的文章以及考慮全部文章，然后要做的工作有兩個：根據打掃過的數據，統計出一周周一到周日每天的文章總數與訪問量總數，最后用WPS表格來制作出對比圖。一提到解析網頁，我毫無疑問地又想到了BeautifulSoup這款工具，簡單好用，功能強大，推薦。
那么我們首先用BeautifulSoup抓出 class = post_item_foot 的 ‘發布於...’ 內容，以及抓出 class = 'article_view' 的 ’閱讀(...)‘內容，再去除一些無用的部分，最后提取出日期三個數據y,m,d，以及閱讀量，這里我們無需關心文章到底是誰發的或者具體時間。
（ps:Python 3.5下裝BeautifulSoup老是不成功，后來發現有更高的版本4.4.1，就果斷換了，然后一發成功，不知道什么原因）
部分代碼如下：
bs = BeautifulSoup(r.text,"html.parser") #轉化成beautifulsoup對象 View = bs.findAll(attrs = {'class' : 'article_view','class' : 'post_item_foot'}) #找出兩個class內容 strallview = str(View) #轉化為字符串 viewcountsmatch = re.findall('閱讀\(\d+\)',strallview) viewdaymatch = re.findall('發布於 ....-\d+-\d+',strallview)
得出日期三個數據以后，這里我使用蔡勒公式（Zeller Fomula）直接計算出該日是星期幾。蔡勒公式函數代碼如下：
def ZellerFomula(y,m,d): if m == 1 or m == 2: y -= 1 m += 12 c = y // 100 y = y - c * 100 w = (c // 4) - 2 * c + (y + y // 4) + (13 * (m + 1) // 5) + d - 1 while w < 0: w += 7 w %= 7 if w == 0: w += 7 return w
然后就是簡單的統計了。
這里我有一個考慮，由於日子越早的文章顯然訪問量總是會更高，所以為了在一定程度上抵消這種效應，我為每一頁的20篇文章設置了一個權重：
weight = 1 - 0.0005 * (i - 40)
即i越大，頁數越大，發布越早，訪問量相應打一個折扣，這里我設置的最大折扣為92%，即第200頁的文章相應的閱讀量為其原來閱讀量的92%，希望能稍微提升一下結果的公平性。
代碼
這時候寫出python代碼（剔除3000+文章版本）：
import requests import re import urllib from bs4 import BeautifulSoup def ZellerFomula(y,m,d): if m == 1 or m == 2: y -= 1 m += 12 c = y // 100 y = y - c * 100 w = (c // 4) - 2 * c + (y + y // 4) + (13 * (m + 1) // 5) + d - 1 while w < 0: w += 7 w %= 7 if w == 0: w += 7 return w f = open('keyvalue.txt','w') posturl = 'http://www.cnblogs.com/mvc/AggSite/PostList.aspx' daysum = [0,0,0,0,0,0,0,0,0] count = [0,0,0,0,0,0,0,0,0] for i in range(40,201): weight = 1 - 0.0005 * (i - 40) payload = {"CategoryType":"SiteHome","ParentCategoryId":0,"CategoryId":808,"PageIndex":i,"ItemListActionName":"PostList"} r = requests.post(posturl,data = payload) bs = BeautifulSoup(r.text,"html.parser") View = bs.findAll(attrs = {'class' : 'article_view','class' : 'post_item_foot'}) strallview = str(View) viewcountsmatch = re.findall('閱讀\(\d+\)',strallview) viewdaymatch = re.findall('發布於 ....-\d+-\d+',strallview) #print(viewcountsmatch) #print(viewdaymatch) for j in range(len(viewcountsmatch)): vcm = viewcountsmatch[j] vcm = re.sub('閱讀\(','',vcm) vcm = re.sub('\)','',vcm) #print(vcm) vc = int(vcm) if(vc > 3000): continue vdm = viewdaymatch[j] vdm = re.sub('發布於 ','',vdm) vdm = vdm.split('-',2) #print(vdm) ans = ZellerFomula(int(vdm[0]),int(vdm[1]),int(vdm[2])) #print(ans) ass = int(weight*vc) #print(str(ass)+ ' ' +str(vc)) daysum[ans] += ass count[ans] += 1 for i in range(1,8): f.write(str(daysum[i])+' ') f.write(str(count[i])) f.write('\n') f.close()
這代碼寫了很久，主要python很久沒碰也不熟悉了。
運行結果與分析
然后我們運行就可以爬了，耗時大約40+秒，結果如下：
1.剔除版本數據
每行前面是161篇文章中星期1~7的文章訪問總量，后面是文章數量。不算3000+訪問以上的文章總數3104篇，貢獻訪問量1573399。
2.未剔除版本
文章總數3220 = 161 x 20篇，貢獻訪問量2176232.
由上可以看出，3000+訪問以上的較優質文章116篇，占比3.6%，其貢獻的訪問量為602833，占比27.7%，這也是預料之中的。
圖表
由圖可得，兩種方式總體上的差距並不大，從發文數量上看，周一發文最多，可能是大家都上班了，開始新一周的工作使然。隨后周二到周四發文數量略有波動，但是都差不太多，並且比周一少。到周五由於放假了，文章數量也相應減少。到周末兩天發文數量就有了很大下降，這也是預料之中。
從文章訪問量來看，周一達到最大，隨后又以較周一低的水平波動，到周末達到低谷，一大原因也是由於文章數量的減少。
從平均訪問情況來看，周一至周五的平均訪問量普遍比周末稍高一點，印證了結論“工作日發文要比周末發文平均訪問量多”，但是並沒有多太多，其中周一達到最高峰，隨后有波動，到周日有一個反彈，說明“周一效應”還是有一點的。
兩幅圖的有些顯著的不同就是訪問量來看，剔除3000+文章以后，周二的訪問量有10W+的顯著下降，這是否說明周二的時候高質量文章的訪問在急速增長的原因呢。
補充
后來我發現光考慮篇均訪問還不全面，因為周一即使篇均訪問較高，但是它的文章數也是很大的，所以周一的文章必然會很快被覆蓋過去，所以這里有一個性價比的問題，於是我又算了一項指標，即篇均訪問與當日文章數量之比，底數越大小即文章數量越小，越晚被覆蓋，曝光率越大，篇均訪問越大自然帶來的效應越大。所以有了下面這張圖：
事實證明，性價比最高的發文日期居然是發的很少，訪問很少的周末！
后續工作
雖然本次挖掘3220篇文章數據較小，感覺還是可以從速度方面進行優化的。
權重也是我自己簡單設計的，這方面也可以進一步優化。
歡迎大家提出意見與建議。
結論與啟示
所以說，如果你想要讓你的文章獲得更多的訪問量，獲得更大的影響力，盡量在工作日發文吧。當然，我前面說過，這些都只是非系統性因素，俗話說，打鐵還需自身硬，提高自己文章的質量和水平才是獲得更大文章影響力的決定性因素。希望廣大園友能夠致力於發布質量更高的文章，共同構建一個屬於我們的優質的博客園。
本文就是上星期四晚上寫就的，一直到現在才發，試下效果。事實是寫完文章很難忍住不發，哈哈。
同樣，爬取博客園只是為了學習之用，無其他目的，望理解。感謝韓子遲的工作。