摘要

????????通過Python爬蟲方法，取得了Pixiv上幾乎所有PJSK的CP的Tag，并統(tǒng)計(jì)了截至2022年9月23日，各個(gè)Tag的作品數(shù)量，以及將這些Tag考慮在內(nèi)后各個(gè)角色的作品數(shù)量。本文提供了統(tǒng)計(jì)開展的方法以及最終的統(tǒng)計(jì)結(jié)果，以及在統(tǒng)計(jì)角色作品數(shù)時(shí)，解決“CP向作品沒有單人Tag”這一現(xiàn)象帶來的誤差的途徑。

統(tǒng)計(jì)方法

1.如何確定要爬取的CP Tag名稱

????????CP的Tag名是復(fù)雜而無法窮舉的。同一對CP的名稱可以有不同的表達(dá)方式，比如“張三 × 李四”，可以表示為“三四”“四三”“さんよん”“34”等等。不同的兩對CP，雖然這種情況比較少見（在PJSK當(dāng)中沒有遇到），但也可能用同一個(gè)Tag名表示。

????????為了爬取CP Tag名稱，采用如下方法：直接在Pixiv中搜索“プロセカ OR プロジェクトセカイ”，就會(huì)出現(xiàn)Pixiv上所有帶有Tag“プロセカ”或者Tag“プロジェクトセカイ”的作品。通過Python爬蟲方法，可以遍歷這些作品的信息，包括這些作品的Tag。我們將各個(gè)Tag在這些作品中出現(xiàn)的頻次統(tǒng)計(jì)出來（僅保留頻次≥5的結(jié)果），得到如下表格（僅展示部分，圖中數(shù)字僅供篩選Tag參考，不等于實(shí)際作品數(shù)的多少）：

????????得到的Tag個(gè)數(shù)大約在2000個(gè)左右，是可以實(shí)現(xiàn)人工篩查的范圍。接下來只需要手動(dòng)將其中代表CP的Tag篩選出來即可。

2.如何確定Tag的作品數(shù)與角色的作品數(shù)

2.1 確定Tag的作品數(shù)

????????統(tǒng)計(jì)以爬蟲所獲得的結(jié)果為標(biāo)準(zhǔn)，該結(jié)果應(yīng)當(dāng)與任何一個(gè)賬號登錄，打開R-18與R-18G開關(guān)，并且無屏蔽Tag與作者時(shí)，在“插畫”或“小說”頁面看到的數(shù)字一致。

????????Tag的統(tǒng)計(jì)收錄標(biāo)準(zhǔn)為：①插畫數(shù)，或者小說數(shù)，大于等于5；②存在于統(tǒng)計(jì)開始時(shí)間之前，即2022年9月22日北京時(shí)間22時(shí)之前。

????????Tag作品數(shù)的統(tǒng)計(jì)完成于9月23日北京時(shí)間0時(shí)。

2.2 確定角色的作品數(shù)

????????出于CP愛好者“圈地自萌”的思想，部分CP作品是不打上單人Tag的。這么做的初衷是避免這些CP向作品被只喜歡單人 / 不喜歡該CP的愛好者看到，但也給角色熱度統(tǒng)計(jì)帶來了不小的誤差。本次統(tǒng)計(jì)解決了這個(gè)誤差問題。

? ? ????統(tǒng)計(jì)收錄標(biāo)準(zhǔn)為：帶有角色名字Tag，或者帶有含該角色的CP的Tag（注意是“或者”關(guān)系，而不是將角色數(shù)據(jù)與CP數(shù)據(jù)簡單相加）。CP的總作品數(shù)不小于50，因?yàn)樗阉鞯腃P個(gè)數(shù)過多會(huì)導(dǎo)致搜索結(jié)果出現(xiàn)Bug。

????????角色作品數(shù)的統(tǒng)計(jì)完成于9月23日北京時(shí)間8時(shí)。

3.統(tǒng)計(jì)結(jié)果

3.1 計(jì)入CP向作品后，角色總作品數(shù)、插畫、小說統(tǒng)計(jì)結(jié)果

3.2 CP的總作品數(shù)、插畫、小說統(tǒng)計(jì)結(jié)果

????????為節(jié)省篇幅，插畫、小說的統(tǒng)計(jì)結(jié)果只保留相應(yīng)作品數(shù)≥50的CP。注意：同一對CP對應(yīng)的Tag可能不只一個(gè)。■