知乎热门网络安全文章分析

最近在学习数据分析，苦于无处实战，思来想去，把自己近3年的500多篇知乎文章数据集拿来分析，知乎开放的数据集长这个样子：

# 文章标题 | 发布时间 | 阅读数 | 赞数 | 评论数 | 收藏数 | 完整阅读率 | 链接

• # 1、分析阅读数top10的文章标题
• # 2、分析赞数top10的文章标题
• # 3、分析收藏数top10的文章标题
• # 4、分析完整阅读率top10的文章标题
• # 5、分析评论数top10的文章标题

以前知乎开放的数据集比较多，但是现在只开放最近3个月的数据集，还好我准备的比较早，下载了2017年至今的所有数据集，所以才有了这篇文章。通过数据分析，可以得到一些有效信息，比如指导博主创作方向，做智能推荐创作，猜测读者的心思，后期我会引入人工智能，做一个在线网站，只需要大家上传自己的数据，就可以共享学习成果~

• 写什么类型的文章，可以获得更多的阅读呢~
• 写什么类型的文章，可以获得更多的点赞呢~
• 写什么类型的文章，可以获得更多的收藏呢~

-----阅读数top3-----（热门阅读： Web安全类、暴力破解类、黑客游戏类 ）

• 1 什么是owasp top10？ 31526
• 2 什么是暴力破解漏洞？ 30563
• 3 hacknet游戏攻略通关完整版 29621

-----点赞数top3-----（热门点赞： CTF类、Web安全类、网络抓包类 ）

• 1 CTF小白到大白的蜕变 402
• 2 WEB安全攻防入门 377
• 3 手机抓包改包神器Fiddler简介 335

-----收藏数top3-----（热门收藏： Web安全类、经验分享类、CTF类 ）

• 1 WEB安全攻防入门 2574
• 2 国内头号黑客cos的经验分享 1927
• 3 CTF小白到大白的蜕变 1683

-----评论数top3-----（热门评论： CTF类、网络抓包类、Web安全类 ）

• 1 CTF小白到大白的蜕变 93
• 2 手机抓包改包神器Fiddler简介 79
• 3 什么是CSRF漏洞？ 58

-----阅读完整率top3-----（沉浸式学习： 算法类 ）

• 1 调整数组顺序使奇数位于偶数前面 0.64
• 2 礼物的最大价值 0.61
• 3 数字序列中某一位的数字 0.59

-----阅读数top10-----

• 1 什么是owasp top10？ 31526
• 2 什么是暴力破解漏洞 ？ 30563
• 3 hacknet游戏攻略通关完整版 29621
• 4 什么是XSS攻击？ 26925
• 5 CTF小白到大白的蜕变 25254
• 6 使用Hashcat获取弱密码 21280
• 7 WEB安全攻防入门 20302
• 8 手机抓包改包神器Fiddler简介 19908
• 9 什么是逻辑漏洞？ 19563
• 10 什么是CSRF漏洞？ 18704

-----点赞数top10-----

• 1 CTF小白到大白的蜕变 402
• 2 WEB安全攻防入门 377
• 3 手机抓包改包神器Fiddler简介 335
• 4 国内头号黑客cos的经验分享 282
• 5 手把手带你搭建漏洞靶场 256
• 6 什么是本地DNS攻击？ 218
• 7 什么是暴力破解漏洞？ 187
• 8 使用Hashcat获取弱密码 184
• 9 白帽飞客从入门到放肆 183
• 10 什么是CSRF漏洞？ 175

-----收藏数top10-----

• 1 WEB安全攻防入门 2574
• 2 国内头号黑客cos的经验分享 1927
• 3 CTF小白到大白的蜕变 1683
• 4 手机抓包改包神器Fiddler简介 1547
• 5 手把手带你搭建漏洞靶场 1237
• 6 网络安全入门需要仪式吗？ 870
• 7 内网安全「攻防」学习指南 755
• 8 使用Hashcat获取弱密码 728
• 9 内网信息收集 671
• 10 ZIP加密文件破解：john简介 608

-----评论数top10-----

• 1 CTF小白到大白的蜕变 93
• 2 手机抓包改包神器Fiddler简介 79
• 3 什么是CSRF漏洞 ？ 58
• 4 微博信息泄漏暗网探案 46
• 5 在知乎学习网络安全 40
• 6 使用Hashcat获取弱密码 40
• 7 ailx10的hacknet攻略003 39
• 8 如何在电脑上运行知乎？ 38
• 9 metasploit渗透测试入门 34
• 10 再看ICMP隧道 29

-----阅读完整率top10-----

• 1 调整数组顺序使奇数位于偶数前面 0.64
• 2 礼物的最大价值 0.61
• 3 数字序列中某一位的数字 0.59
• 4 打印1到最大的n位数 0.59
• 5 1~n整数中1出现的次数 0.58
• 6 第一个只出现一次的字符 0.56
• 7 网络安全中的暴力美学001 0.54
• 8 大数乘法 0.54
• 9 矩阵中的路径 0.54
• 10 股票的最大利润 0.54

import pandas as pd
import os

def get_files(path=""):
    _files = os.listdir(path)
    files=[]
    for _file in _files:
        if not os.path.isdir(_file):
            files.append(_file)
    return files


# 文章标题 发布时间 阅读数 赞数 评论数 收藏数 完整阅读率 链接

# 1、分析阅读数top10的文章标题
# 2、分析赞数top10的文章标题
# 3、分析收藏数top10的文章标题
# 4、分析完整阅读率top10的文章标题
# 5、分析评论数top10的文章标题
#
# 注意：不同表格中的文章标题可能相同，以链接作为key，进行merge


def solve_row(title,link,row,top10):
    if title+"_"+link in top10:
        if row > top10[title+"_"+link]:
            top10[title+"_"+link] = row
    else:
        top10[title + "_" + link] = row

def output_top10(dict_top10,msc=""):
    print(msc)
    top10 = sorted(dict_top10.items(),key=lambda x:x[1],reverse=True)
    guard = 0
    for top in top10:
        guard += 1
        if guard <= 10:
            print(guard,top[0].split("_")[0],top[1])
        else:
            break

def read_xls(path,files):
    read_top10 = {}
    great_top10 = {}
    favory_top10 = {}
    rato_top10 = {}
    comment_top10 = {}
    for file in files:
        df = pd.read_excel(path+"/"+file)
        # columns = df.columns.values.tolist()
        for index, row in df.iterrows():
            read = int(row["阅读数"])
            great = int(row["赞数"])
            favory = int(row["收藏数"])
            rato = float(row["完整阅读率"].strip("%"))/100.0
            comment = int(row["评论数"])
            link = row["链接"]
            title = row["文章标题"]
            solve_row(title,link,read,read_top10)
            solve_row(title, link, great, great_top10)
            solve_row(title, link, favory, favory_top10)
            solve_row(title, link, rato, rato_top10)
            solve_row(title, link, comment, comment_top10)
    # 输出 top10
    output_top10(read_top10,"-----阅读数top10-----")
    output_top10(great_top10,"-----点赞数top10-----")
    output_top10(favory_top10,"-----收藏数top10-----")
    output_top10(comment_top10,"-----评论数top10-----")
    output_top10(rato_top10,"-----阅读完整率top10-----")


if __name__ == "__main__":
    path = "C:/Users/ailx12/PycharmProjects/zhihu/paper/file"
    files = get_files(path)
    read_xls(path,files)

本篇完，谢谢大家~