慕课网介绍
慕课网——www.imooc.com,是垂直的互联网IT技能免费学习网站。以独家视频教程、在线编程工具、学习计划、问答社区为核心特色。在这里,你可以找到最好的互联网技术牛人,也可以通过免费的在线公开视频课程学习国内领先的互联网IT技术。
慕课网课程涵盖前端开发、PHP、Html5、Android、iOS、Swift等IT前沿技术语言,包括基础课程、实用案例、高级分享三大类型,适合不同阶段的学习人群。以纯干货、短视频的形式为平台特点,为在校学生、职场白领提供了一个迅速提升技能、共同分享进步的学习平台。
我自己就是慕课网的忠实用户啊……
项目介绍
随便做着玩玩的,爬虫的项目地址:https://github.com/airingursb/imooc-spider
欢迎Star~
注意,慕课网具有反爬机制,据本人经验,爬了1.2万条左右(历时1小时),会被封IP,并且是封禁一周(幸好不是永久……别问我是怎么知道的!)
所以在爬的过程中,也是比较艰难的,如果去爬免费代理池,基本上平均40秒才能爬到一条数据,效率极其之慢!于是去某宝购买了动态VPS,配合ADSL拨号精灵与定时任务,爬了四天左右,把160w条用户数据给拿下来了。
这只是第一步而已。终极目标是分析出用户的智慧图谱。
今天爬完数据之后,花了几十分钟的时间,对数据进行了简单的统计。接下来,就来粗略地看一看这些数据吧。(以下数据均为2016年5月抓取,数据保证不超过1%的遗漏,后续会逐步放出完整的数据分析)
用户性别
本次抓取的总人数为1618362,其中男性1403359人,占86.71%,女性215003人,占13.29%。果然,IT界基本都是屌丝男……
简书无法生成交互图表,若想看交互图表请移步原博客:慕课网大数据分析(1) | Airing的博客
用户职业
总共数据量:1618362,其中有效的数据量为:694075。
职业 | 人数 | 占比 |
---|---|---|
学生 | 334140人 | 48.1% |
产品经理 | 19609 | 2.8% |
交互设计师 | 6051 | 0.9% |
UI设计师 | 14393 | 2.1% |
页面重构设计 | 10075 | 1.5% |
Web前端工程师 | 69390 | 10.0% |
移动开发工程师 | 36866 | 5.3% |
PHP开发工程师 | 31241 | 4.5% |
Java开发工程师 | 65053 | 9.4% |
js工程师 | 7749 | 1.1% |
Linux系统工程师 | 11522 | 1.7% |
软件测试工程师 | 11110 | 1.6% |
其他 | 76875 | 11.1% |
简书无法生成交互图表,若想看交互图表请移步原博客:慕课网大数据分析(1) | Airing的博客
可以看出,学生是慕课网的主力军啊。剩下的Java与Web前端各分江山。另外,我简单分析了下性别与工作的关系,发现程序媛的主要职业为:软件测试与Web前端工程师。所以各位妹子们也可以考虑一下这两个方向。
用户地区分布
北上广用户最多,其次是沿海与中东部地区。这里做了个性别与地域的交互地图,看官们可以简单看看。以后如果想找自己另一半的程序媛,可以去广东或者北京~
简书无法生成交互图表,若想看交互图表请移步原博客:慕课网大数据分析(1) | Airing的博客
小结
这一节仅仅是简单的数据概览,后续的还有课程分析等等。因为要考研,所以没有多少时间。不知道什么时候会出结果,不过只要我有时间就会做的~
恩恩,老套路,本项目仅供学习使用!期待您的关注。(´◡`)