前言#
前两天闲来无事，花了四五天的时间从 B 站（http://bilibili.com）抓取了其 2000 万 全部用户。
代码挂在了 Github 下：https://github.com/airingursb/bilibili-user，大家可以自己下载爬取。
B 站介绍#
bilibili 弹幕视频网现为国内最大的年轻人潮流文化娱乐社区，该网站于 2009 年 6 月 26 日创建，又称 “B 站”。
我自己是 2013 年 2 月 14 日注册的用户，隐约记得在 2013 年暑假之前 B 站都是限制注册，只有在特殊的节假日才开放注册，后来是验证码注册与答题成为正式会员。
接下来，展示一下 B 站的用户数据情况。（仅仅做了初步的统计）
用户情况#
B 站是一个 ACG 动漫文化很浓厚的场所，与 A 站（AcFun）共同撑起了中国动漫的一片天。
所以用户嘛……
不说了，简单看看我随便截的图吧，用户签名字段。
用户数据初步分析#
基本概况#
- 总数据数：20119918
- 抓取用户的顺序为其注册时间顺序：2009-06-24 14:06:54 至 2016-02-18 21:04:52
- 预估遗漏数据：不超过 2%
- 抓取字段：用户 id，昵称，性别，头像，等级，经验值，粉丝数，生日，地址，注册时间，签名，等级与经验值等。
性别#
- 有效数据：14643019
- 保密：11621898
- 男：1674196
- 女：1346925
这个男女比例是有点出乎个人预料的，接近 1：1。其实之前初步抓了 2013 年暑假之前的数据，男女比例当时还在 3：1 这样。
可见明确性别的群体还是比较少的，只占了总数据的 15% 左右。
更多的分析日后再做。
年龄#
- 统计范围：1970-2010（1980 年除外）
- 总数据：3800767
具体数据不放了，简单看一下统计结果吧。
主要用户分布在 93-00 年的用户（大概 16-23 周岁），其中 97 年（19 岁）用户占了绝对的主导地位。
事实证明，B 站小学生并不多，而是高中生、大学生比较多。
90 后用户占主体，但是用户年龄段正在不断后移。毕竟，是一个年轻人的网站。
地区#
- 分析范围：国内 34 个省市及地区。
- 有效数据：863541
主要用户分布在：广东、江苏、北京、上海、浙江等地区。都是一些经济很发达的沿海地区。
注册时间#
- 统计时间：2009-06-24 14:06:54 至 2016-02-18 21:04:52
- 总数据：20119823
由于 16 年才过去 2 个多月，所以少一点，不过可以预见其发展必将远超 2015 年。自 2009 年开站以来，每年用户几乎都是以指数级增长。
活跃度统计#
- 等级范围：0 - 6
- 总数据：20119918
- 截止时间：2016-02-18
由于 B 站有经验等级规则，用户的活跃度可以依据等级判断。
等级为 0，就是只注册未登陆过的用户。等级为 1 或 2，为非活跃用户。等级为 3 以上，就是活跃用户。其中等级为 5 或 6 的，为投稿数特别特别多、视频特别火爆的用户，为 B 站的主干用户（约 5000 人）。
关于留存率等数据，日后再统计分析。
粉丝统计#
- 有效数据：2011918
- 范围：0 - 988323
- 截止时间：2016-02-18 21:04:52
哎 - -，我也是有 2 个粉丝的人！
以下是 B 站 TOP20 用户。很多人都非常的眼熟哈。
以上，就是对 B 站 2000 万用户的初步统计。日后会有更加深入的分析。