本文首發於 CSDN 程序人生（ID：coder_life）
從工業時代進入到信息服務時代，互聯網行業逐漸興起，傳統行業逐漸沒落。現如今，很多人混跡於互聯網+的時代，人人都要學習編程已經逐漸被重視起來。
作爲一個入行五年的老鳥，回首看看這五年的經歷，恍若隔世。
從PC互聯網時代到移動互聯網時代的轉變，也就是前幾年的事情。IT界的快節奏已經成爲常態。小步快跑 ，產品的快速的迭代，移動互聯網有了飛速的發展。
現在，更加快捷方便的生活體驗，都是由一羣懷揣着“改變世界”的夢想的人，一羣不辭辛勞的程序員實現的。
“程序員”在大衆心裏，有很多刻板印象的標籤：死宅 、呆板、加班、智商很高情商卻很感人，極客、一年四季的格子衫等，更有那句著名的“錢多話少死得早”。
這些刻板印象，對也不全對，它們只是程序員衆多特性中的一個方面。
這樣的一羣人，他們對電腦的性能要求極高，對機械鍵盤非常熱衷，對耳機追求到極致，除了我們常見的一些，他們還關心、喜歡的還有啥。
筆者將從CSDN程序人生 近幾年的發文數據中，從數據的角度，來分析一下這羣極客的人，腦子裏面裝的究竟都有些什麼。
1. 數據獲取
本次數據來源爲CSDN程序人生公衆號發文，第一步需要從獲取公衆號近幾年的發文數據。公衆號內容因發佈在微信官方平臺，所以只能通過微信，才能獲取到對應的數據。
-
抓包
抓包是將網絡傳輸發送與接收的數據包進行截獲、重發、編輯等操作。在這裏，我們需要使用我們自己的個人電腦，安裝相應的抓包工具進行抓包（Mac推薦使用Charles，Windows推薦使用Fiddler）。 -
HTTPS
HTTPS是安全爲目標的HTTP通道，HTTP下加入SSL層，HTTPS的安全基礎是SSL，因此加密的詳細內容就需要SSL。HTTPS的出現增加了抓包的難度，但並不是不可解的。
爲了解決這個問題，抓包工具會作爲一箇中間代理人，手機端與抓包工具進行通信，抓包工具在與服務端進行通信。
手機端與抓包工具建立HTTPS請求使用的公鑰是抓包工具下發給他的。所以，爲了能正常通信，需要安裝抓包工具生成的根證書並信任該證書。
從抓取到的數據包中，可以分析出公衆號文章列表對應的請求接口，只需要分頁發送所有數據請求，就可以拿到整個文章列表。
但點贊（好看）數與閱讀數量就比較難獲取。這兩項數據只在微信客戶端上有，經過分析（猜測），此請求是微信客戶端觸發並更新到頁面中的，要獲取到此數據，只能使用笨辦法，讓微信打開文章詳情頁面，發送請求，我們將請求返回的數據存儲起來，在與文章標題進行關聯，數據就可以使用了。
自動化才能解放雙手，所以此處使用AnyProxy+ADB Shell 。
AnyProxy是一個基於Node.js的、可供插件配置的HTTP/HTTPS代理服務器。和上面提到的Charles 、 Fiddler類似，但更加適合開發者使用。
ADB是Android開發SDK中的一個工具，它可以使用屏幕點擊、輸入、滑動等功能，由此實現自動化點擊屏幕。
啓動AnyProxy，設置指定插件JS的路徑，並運行ADB腳本，自動化打開頁面，使得插件能夠自動地將微信發送的請求中的Request與Response數據存儲在數據庫文件中，插件核心代碼如下：
var url = require("url")
module.exports = {
*beforeSendResponse(requestDetail, responseDetail)
{
try {
var pathName = url.parse(requestDetail.url).pathname
if(pathName == "/mp/getappmsgext") {
saveReadCount(requestDetail, responseDetail)
}
} catch(err) {
console.log("err")
}
}
};
2. 數據清洗與分析
經過一段時間的數據抓取，並且對數據進行了關聯，本地一共獲取到的數據有2630條，與動輒成千上萬的電影評論數據相比，雖然量不是很多，但也足夠我們從中分析出一些關鍵信息。
點贊是對網絡上的某個內容(比如一條貼子、一篇文章或者一條微博等)表示贊同、喜愛。所以我們先來看一下程序人生公衆號推文的點贊TOP10：
因爲數據是存儲在數據庫中，所以只需要使用簡單的SQL查詢就可以拿到我們想要的數據，SQL代碼如下：
select title as 標題, author as 作者, CAST(likeCount as int) as 點贊數 from messages order by 點贊數 DESC limit 10
執行上述SQL，拿到的結果如下：
從上圖可以看到，“長春長生‘’最受關注，點贊數量遠高於其它文章，可以看出我們程序員小哥哥們，也是時實關注社會重大事件，憂國憂民。
當然，點贊只是其中的一個指標，不能表示全部。畢竟有好多程序員連贊都懶得點。
除了點贊數量，我們來看看閱讀數量的排行，此處使用的是控制檯打印輸出的數據，爲了更好地格式化結構，使用了PrettyTable， 代碼如下：
def getArticInfos(min, max):
conn = sqlite3.connect('wechat.db')
conn.text_factory = str
cursor = conn.cursor()
cursor.execute("select title, author, datetime, CAST(readCount as int) as read, CAST(likeCount as int) as like from messages where datetime > '2018-01-01 00:00:00' order by read desc")
values = cursor.fetchall()
table = PrettyTable(["Title", "Author", "Time", "Read Count", "Like Count"])
table.align["Title"] = "l"
table.align["Author"] = "l"
table.padding_width = 1
totalCount = 0
for item in values:
readCount = item[3]
if readCount >= min and readCount < max:
table.add_row([str(item[0]), str(item[1]), str(item[2]), str(item[3]), str(item[4])])
totalCount += 1
print table
print "Total Count:" + str(totalCount)
conn.close()
此處列出了從7W+到10W+的文章列表：
從圖中我們可以看到，張小龍微信第一版需求啓發地的龍泉寺備受關注，程序員的負面新聞也是衆多程序員關注的焦點。行業新聞及與他們相關的事情，更能夠吸引他們的注意。
最後，我們再整體地來看一下，這些文章中，標題裏面都會出現哪些高頻的詞語。特此，使用Jieba分詞來進行分詞，並使用Matplotlib生成詞雲圖，如下：
從圖中，我們可以看到，“學習”可以說是相當高頻的一個詞語，當然，在各行各業，學習都是一個很重要的話題以及技能。
尤其是在 IT 行業，更新迭代更是異常迅捷，甚至快到前兩天剛學的知識，過兩天就過時了。
所以，衆多的程序員都很關注自己的個人成長，學習自然必不可少。架構、框架、指南是一個吸引程序員比較好的詞語。
最後最後，我想說的是，很想不通，作爲一個程序員，你沒有女朋友，你new一個對象不就完了嗎？居然還要去相親？