测试“六度分隔理论”在开往中的表现

  • ~3.54K 字

你听说过“六度分隔理论”吗?六度分隔理论是一个观点,认为所有人之间通过不超过六层的社交联系就可以相互联系。因此,可以通过一系列的“朋友的朋友”的声明来连接任何两个人,最多不超过六步。

开往群组中,很早便有人提出了这样一个有趣的想法:根据开往成员的友链信息,来验证“六度分隔理论”在开往中的表现。遗憾的是,由于大部分群友都十分繁忙,这个想法一直没有得到实现。于是我决定自己动手分析看看结果。

爬取数据

因为没有统一的格式来交换友情链接数据,这里只能尝试以爬虫的方式获取数据,考虑选择 Python + scrapy 库来实现。爬取数据的大致思路如下:

  • 根据成员列表的信息,访问每个成员的起始页面。
  • 在每个成员的起始页面中,查找友链页面的链接(主要通过两种方法:匹配 <a> 标签的 href 属性是否为 /friends 等常用友链页面的后缀;匹配 <a> 标签包裹的文本是否含有关键词)。
  • 如果上述查找失败,尝试查找 “博客” 等关键词,试图先进入二级页面,再查找友链页面的链接。(这一步主要是应对成员列表链接到个人主页,而友链导航需要在博客页面查找的情况)
  • 如果上述查找失败,自动更换域名为无 www 域名、www 域名、blog 域名等,再次查找友链页面的链接。(上一步的暴力版本)
  • 在友链页面中,定位页面主体内容(通过 <article><main> 等语义化标签或 .post 等常用 class)。
  • 提取页面主体内容中的全部 <a> 标签,获取友链 URL 信息。

由于这种爬取操作完全是经验性的、技巧性的,故而无法保证获取到准确的信息,只适用于粗略进行分析。

数据处理

在爬取到 URL 列表后,为了便于分析,我们需要将这些 URL 转换为一个图(Graph)结构。为方便起见,这里选择了 Python + networkx 库来进行图结构的处理。数据处理的大致思路如下:

  • 将爬取到的 URL 数据,根据域名转换为一个有向图,其中每个节点代表一个网站(域名),每条有向边代表一条友链关系。
  • 通过 networkx 库提供的方法,计算节点之间的可达性和最短路径长度,并进行统计。

考虑使用 nx.all_pairs_shortest_path_length 函数计算全局最短路径(也可以手工实现 Floyd-Warshall 等算法),然后统计每个节点到其它节点(A connect to B)的可达性及其平均最短路径长度。

随后翻转所有边的方向,再次计算得到反向全局最短路径,此时我们可以得到每个节点被多少个节点可达(A is connected by B),及其平均最短路径长度。

注意到,A 被自身可达,因此我们需要将可达节点数量减去 1,得到“真”可达节点数量。

代码实现

参见 GitHub: ArcticLampyrid/travellings-graph (MIT License)
另有一个简易的网页前端展示,参见 GitHub: ArcticLampyrid/travellings-graph-frontend (MIT License)

代码仅供参考,可能存在错误或不完善之处,欢迎 Issue 和 PR。

结果分析

使用 2024 年 5 月 10 日爬取到的数据,我们得到了如下结果:

请注意,数据可能已过时,结果可能与最新的不同。

附件下载:data-20240510.zip

数据分析结果(节选)
  • 颢天主页 is connected by 0 nodes, avg. distance 0.00
  • 风之暇想 is connected by 0 nodes, avg. distance 0.00
  • 风吟 is connected by 0 nodes, avg. distance 0.00
  • 飞跃高山与大洋的鱼 is connected by 0 nodes, avg. distance 0.00
  • BinGo’s Blog is connected by 1 nodes, avg. distance 1.00
  • DaPeng’s Blog is connected by 1 nodes, avg. distance 1.00
  • Legroft is connected by 1 nodes, avg. distance 1.00
  • Sianx’s Blog is connected by 1 nodes, avg. distance 1.00
  • YunShu’Blog is connected by 1 nodes, avg. distance 1.00
  • c`Blog is connected by 1 nodes, avg. distance 1.00
  • daodaoshi is connected by 1 nodes, avg. distance 1.00
  • lsilencej の Blog is connected by 1 nodes, avg. distance 1.00
  • rqdmap is connected by 1 nodes, avg. distance 1.00
  • 小新的博客 is connected by 1 nodes, avg. distance 1.00
  • 小白 の 博客 is connected by 1 nodes, avg. distance 1.00
  • 开心果 is connected by 1 nodes, avg. distance 1.00
  • 挨拍的儿 is connected by 1 nodes, avg. distance 1.00
  • 阿岳的博客 is connected by 1 nodes, avg. distance 1.00
  • 阿蛮君博客 is connected by 1 nodes, avg. distance 1.00
  • 风渐远 is connected by 1 nodes, avg. distance 1.00
  • Yamdr is connected by 2 nodes, avg. distance 1.50
  • 倚栏听风 is connected by 2 nodes, avg. distance 1.50
  • COOL is connected by 2 nodes, avg. distance 1.00
  • 五叶魔法书 is connected by 2 nodes, avg. distance 1.00
  • 奇异维度 is connected by 2 nodes, avg. distance 1.00
  • MoYi’s Blog is connected by 324 nodes, avg. distance 9.80
  • zisu.dev is connected by 324 nodes, avg. distance 9.80
  • ZigZagK 的博客 is connected by 323 nodes, avg. distance 8.83
  • 晨旭的博客 is connected by 323 nodes, avg. distance 7.84
  • CairBin’s Blog is connected by 323 nodes, avg. distance 7.83
  • Sonic853 is connected by 323 nodes, avg. distance 6.84
  • CHI’s blog is connected by 324 nodes, avg. distance 6.85
  • K’Blog is connected by 323 nodes, avg. distance 6.76
  • Sorryfu is connected by 324 nodes, avg. distance 6.76

(Date: 2024-05-02)

可以看到,开往成员的友链状态主要分为两大类,一些网站基本属于孤岛状态(这其中有部分是因为爬取失败或博主没有设置友链界面导致的),而另一类网站则几乎都能通过不超过 6 步的友链关系连接到任何一个网站(就像“六度分隔理论”描述的那样)。

不难看出,添加友链是一种促进信息传播、避免信息孤岛、提高个人表达可见性的有效方式,也是维系独立博客社区的重要手段。

那么,你打算和我交换友链吗~

分享这一刻
让朋友们也来瞅瞅!