《從E紳士（Ehentai）47萬條本子數據看各國死宅的興趣愛好。》
作者：ShuiQu （已獲授權整理轉載）
原文：https://zhuanlan.zhihu.com/p/25568492
E紳士我也用了3年了，但是E紳士的用戶都知道，E紳士並沒有什麼按收藏排序之類的功能，導致平時就只能翻來翻去刷些老物。所以我萌生了寫一個E紳士爬蟲，獲取E紳士所有本子數據。
我自學python已經一年了，期間寫過不少玩具程序，玩具爬蟲也寫過幾個，這次對E紳士的爬蟲差不多算是這一年裡寫過最大的python程序了（雖然回頭去看程序一點也不python）。暫時可能不怎麼碰python了，因為一年後要找工作要吃飯，相比之下還是JAVA比較好找工作。
什麼是E紳士？
不，我不是來開車的，我也不是來安利E紳士的，我接下來要講的所有東西都不會提到E紳士具體是什麼，當然E紳士的地址也是打了碼的，要是有摸到E紳士去的人一定和我無關。
E紳士的第一個本子的上傳時間是2007-03-20 02:41，到現在已經馬上要十年了，十年來，E紳士的本子數量從0增長到了48萬（由於我懶，所以沒有補上新增的1萬本數據）。雖然跟正統互聯網公司動輒幾千萬上億條的數據比起來，47萬條數據簡直不值一提，但這是我的世界觀裡，了解各國死宅最有效的辦法了。
你問我了解各國死宅有什麼用？沒啥用，我不賣飛機杯，我也不賣小薄本，興趣使然罷了。
正題
注意：我的數學分析能力大概是停留在大二的概率學的前幾節課，所以什麼回歸、協同過濾之類的一律沒有。僅僅只是羅列數據，各位看個高興即可。
這些問題確實是我思考過的問題。我依然記得我在萌二期也認為勞模是亞絲娜，後來改口說勞模是明日香，但這次的大數據卻結結實實的打了我的臉。
1. 逛E紳士的都是哪些國家的人？
E紳士上的語種TAG共有36個：日語、英語、中文、韓語、西班牙語、俄羅斯語、法語、葡萄牙語、泰語、意大利語、德語、越南語、波蘭語、匈牙利語、印度尼西亞語、荷蘭語、捷克語、烏克蘭語、芬蘭語、阿拉伯語、土耳其語、他加祿語、希腊語、瑞典語、羅馬尼亞語、阿爾巴尼亞語、世界語、孟加拉語、克羅地亞、丹麥語、愛沙尼亞語、挪威語、加泰羅尼亞語、拉丁語、斯洛伐克語。
再算上一個無語種TAG（N/A，一般在某些無法確定國家歸屬的雜圖包中出現），佔比為20%，一共37個TAG。其中日語最多，20萬本，接近E紳士所有本子數量的一半；再次是英語，佔比為15%。
之後就是中文（佔比7%）、韓語（佔比5%）等，從左側的面積圖可以看出，E紳士本子的語種分布兩級分化極其明顯，後面的許多語種都只有十本左右甚至只有一兩本。
在把本子數乘上收藏數加權處理後，英語開始異軍突起。
結論：英語國家，或者說歐美人仍然是E紳士主力用戶（雖然中國人確實越來越多）。另外E紳士確實是以日系ACG為主的同人站，而非那個綠綠的WESTERN。
2. 誰是勞模？
如圖所示，勞模是紅白，但最受歡迎的角色並不是，而是——提督？？？
反正當時一行SQL語句敲下去之後我是一臉懵逼的：Teitoku？這什麼鬼？拼了幾下沒拼出來（艦娘前年夏活已脫坑），輸到百度後：
W*****B，這什麼鬼？兩秒後，我反應過來確實沒毛病。艦娘的本子這幾年處於上升期，而這幾年E紳士的用戶也處於上升期，兩者疊加的結果就是艦C的總收藏數最多，相應的，「提督」這個角色標籤的收藏數上升也是極快。
東方現在在數量上還能壓過艦娘也只是吃老本了，近幾屆COMIC的統計結果都是艦娘本要多於東方本。
結論：東方大法已過氣，艦娘強無敵。勞模就是你，提督。
3.E紳士收藏分布
與語種分布一樣，仍然是長尾效應極其嚴重，後方的高收藏值的分布全是個位數甚至0，雖然最高的收藏到達了8231次（現在已經8331次了），但絕大部分本子仍然是300收藏以下。
單獨抽取某種語種的收藏分布依然是這樣。
結論：死宅們眾口難調
4.用戶活躍偏向
由於E紳士仍然是以日系ACG作為主導，所以角色、畫師、原作的TAG大部分仍然是日本的羅馬音TAG。而雜項TAG、女性TAG、男性TAG則不受這種影響（倒不如說遍地歐美俚語黑話）。
英語語種貢獻的項TAG、女性TAG、男性TAG佔各項總和的比例基本相同，而到了角色、畫師、原作的TAG時，佔比立刻下降。而中文則是各項穩定的10%佔比。
結論：歐美死宅裡偏日本ACG文化的程度不如中國死宅嚴重。
5.各國死宅對本子的偏好
我統計了雜項TAG裡，在中、日、英三國語種收藏裡出現的頻率乘收藏加權值，每種語言取最高的前20個（雜項TAG有3萬多個），其中大部分是相同的，但各國死宅還是有各國死宅的口味，所以也有不相同的部分。
翻譯我就不翻了，真會被爆破的，不說大家英語水平如何，起碼基礎的搜索的能力應該是有的。
結論：沒有，說結論就必然要翻譯TAG，所以沒有。
6.各國死宅對女角色屬性的偏好
仍然是沒有中文，因為女角色屬性這邊是更加的和諧詞亂舞，不過倒是可以提幾個不那麼和諧的。
中日英三語系的死宅都對巨乳和長筒襪表現出了極大的興趣，在三個語系裡都是分別排第一第二；中日死宅對蘿莉的執念在歐美之上（之後的作品收藏排行也體現了這點）；另外中文TAG裡有一個連褲襪（編注：P字頭），其他兩個語系的前20裡沒有這個TAG。
再多的分析沒了，本來也是仁者見仁智者見智的東西（死宅講個鬼的仁智），而且我怕被爆破。
結論：……
7.各國死宅對男角色屬性的偏好
查男性TAG時我的眼睛受到了巨額的污染，所以….我不做任何解釋，你們可以自己去搜搜試試，對了shotacon是正太的意思。
結論：嘔~~~
8.那些受人熱愛的畫師們
顯然的，各國死宅對畫師的分歧體現了他們不同的興趣。
（由於統計方法的問題，那些以在商業雜誌上投稿為生的畫師會很佔便宜，COMIC一年兩次，雜誌一月或幾月一次，另外還有機率被單獨發出來，導致重覆了計算收藏數）
日語類目下的前幾個其實我都沒聽過，一直到水龍敬我才開始認識名字，另外水龍敬吊打全場，是唯一一個三個榜都上了的，另外，被收藏次數最多的畫師也是他。
英語類目下的有好幾個偏寫實的或重口的畫師：水龍敬、師走の翁、朝凪等。另外水龍敬拿第一毫不意外。從柚木N能上榜來看，歐美死宅的姐控情節也很嚴重，其實從之前的雜項TAG裡就能看出點端倪，以及之後的作品排行也能看出姐控情節。另：柚木N的N是NTR的N！
中文類目下一堆熟悉的名字我就不點評了…我什麼都不知道。
9. 哪些ACG作品的本子比較多？
東方無疑問的霸榜，爛船也有三斤釘，這麼多年三大同人之首的交椅坐下來不是白坐的。
日文本裡面出現了彩虹小馬我是很意外的，原來小馬的毒性已經傳到11區了是麼….
英語本排行裡出現了唯一一個基番（不撕基番定義）：Free。這要麼是歐美女權發展程度高於亞洲國家的結果，要麼就是……歐洲gay比亞洲多……
中文本裡出現了請問您今天要來點兔子嗎，嗯，一群蘿莉控，另外中文艦娘的本子馬上要超過東方。而日英卻仍然差的遠。從側面反映出最近幾年中國ACG事業的蓬勃發展，大量加入的新人自然而然的從最新的坑開始跳，超過過氣東方指日可待。某不可描述的視頻站和一眾資本的推波助瀾，對這幾年「二次元」文化產業的發展來說功不可沒。
10. 哪些ACG作品的本子比較受歡迎？
在收藏榜上，東方過氣的本質徹底暴露無疑，只剩下歐美還沒被爆了，也只是幾屆COMIC的時間問題了。
日語榜上，英雄聯盟和守望先鋒能上榜讓我略感意外，因為這是個收藏總和榜，短時間把收藏數衝這麼高是非常難的。另外碧藍幻想的戰力略強，最近經常看到碧藍本（超好用就是了）。
歐美的妹控們把俺妹推到了榜單上，另外EVA在歐美的人氣似乎也沒有傳說中那麼高，除非是那種完全沒法畫本的動畫，不然本子數量和質量基本就是和人氣掛鉤的，顯然EVA的本子數量並沒有吊打其他作品十條街。
至於中文榜的SAO、甘城、食戟之靈、請問您今天要來點兔子嗎？嗯，沒毛病，很符合我對中國死宅的認識，順便甘城的本子超好用。
11.誰才是真正的勞模？
其實這個問題已經有結論了，論被收藏數：是提督（對，就是你），論本子數量，也排不上明日香、亞絲娜什麼的，紅白的巫女——博麗靈夢才是真·勞模。
由於東方本長達十年的數量制霸，導致三個榜單上都是東方人物佔很大一部分，不過相對的，在東方已經開始走下坡路的現在，東方人物在語種所佔比例越低，就證明這個語種的用戶群體在E紳士上活躍的時間越晚。
高坂京介、結城梨斗、碇真嗣這幾位出現在勞模榜上也不奇怪（男勞模沒毛病）。
12. 誰的本子最受歡迎
看了前面幾頁的反正應該知道了，肯定又是提督沒跑了，然後第二是製作人，嗯，沒毛病。
日文榜單：艦娘、東方、初代邪教、過氣偶像、冷飯1、冷飯2……
英文榜單：艦娘、東方、火影、垃圾君、冷飯1、妹控系列……
中文榜單：艦娘、現代邪教、初代邪教……
各位別對號入座……
13. 那個瞎狗眼的WESTERN分區什麼時候完？
從數量、收藏、評分的佔比上來看，WESTERN系列的比例一直不高，加上近幾年第三世界的人民開始湧入E紳士，WESTERN是不是遲早要完呢？
並不！
右邊的表是WESTERN的數量、收藏、評分的增長率和E紳士本子的本底增長率的比較。WESTERN系列的數量、收藏、評分的增長率一直高於E紳士本子的本地增長率，並且在最近還出現了大的抬頭趨勢，也就是說，這個系列不僅沒有要完，似乎還會發展的更好。
反正可以屏蔽，不看就是了。
最重要的問題：E紳士上還有些啥好用的本子？
但是這個車我不開，這是（偽）大數據文章，並不是開車，所以沒有。
這個爬蟲的項目地址：E-HentaiCrawler-Github
（這團代碼寫的很亂，目錄爬蟲是無錯誤處理的單線程，API爬蟲是有錯誤處理和手動代理切換的的單線程，表站爬蟲是有錯誤處理有自動代理切換的多進程，裡站爬蟲是有錯誤處理有自動代理切換的多進程+多線程。準備過段時間重構一遍。另：列表不在github上發，所以想找列表的就不要點進去了……）
