我搞这个《圣骑士大人与魅魔从者》的人气榜单，纯粹是被我那群老二次元朋友给逼的。
我们几个每周五晚上雷打不动要聚在一起，边看最新一集边瞎扯。但最近为了谁才是主角团里的“人气王”，大家吵得面红耳赤。老李坚信圣骑士亚瑟那个正直无私的大帅哥必须是第一，说得头头是道，理由是官方周边卖得老王则死咬着魅魔从者莉莉丝，说她是整部剧的灵魂，是流量担当，证据是B站同人二创播放量最高。我听着他们两个互相扯头花，觉得他们都瞎了，数据来源太片面。
你不能光看周边销量或者二创，你得看活粉，看真正的互动率。我决定自己动手，把这个榜单彻彻底底地做出来，用最客观的数据把他们两个都给我按在地上摩擦。
第一阶段：数据定标与爬取准备
我坐下来，1确定了榜单的统计范围。只看国内平台。我把主要的精力放在了几个地方：贴的角色讨论帖、某博的超话、还有B站每集评论区。我决定使用加权统计法，因为单纯的评论数量没意义，一条“666”和一篇长篇角色分析，价值肯定不一样。
我写了一个 Python脚本，目标是先抓取这三个地方所有出现角色名字的评论和帖子。一开始我雄心壮志，尝试用常规的Requests库和BeautifulSoup去搞定贴。结果发现贴反爬机制升级了，刚跑了一百多页帖子，我的IP地址就直接被封了。
那三天，我基本上是被困在解决IP代理池的问题上。我捣鼓了好几个付费代理，但速度和稳定性都不行。我决定退一步，不用付费的，而是找了一个开源的动态IP轮换工具，自己搭建了一个简易的本地代理。虽然慢是慢了点，但总算是能跑起来了。这前后耗费了我快一个星期的时间，我老婆天天问我：“你到底在干天天对着黑窗口敲字，魅魔比你老婆还重要吗？”
第二阶段：数据清洗与赋权计算
爬虫跑起来之后，数据量简直爆炸。光是“莉莉丝”这个名字，就出现了几十万次。但问题来了，大量数据都是垃圾信息。
我制定了一套清洗规则：
- 低于五个字的评论，全部丢弃。
- 包含“水帖”、“已阅”等明显无关词汇的，丢弃。
- 重复评论只计一次权重。
最麻烦的是赋权。我定义了以下权重系数：
- 普通提到角色名字并进行讨论（权重 1）。
- 超话/贴内专门开设的安利或分析帖（权重 5）。
- 包含点赞数超过500的B站长评（权重 10）。
- 专门的二创/同人作品的互动数据（权重 15，这个单独拎出来计算）。
当我把清洗好的数据导入Excel，准备开始加权计算时，我遇到了一个致命的问题：情感分析偏差。魅魔莉莉丝的角色性格比较复杂，很多人喜欢她，但也有很多人在骂她“茶气太重”。我的关键词筛选器无法准确区分哪些“骂”是出于爱，哪些是真正的厌恶。
我停下来，重写了一部分代码，加入了基础的情感倾向库。我手动标注了近千条评论作为训练集，让程序学习区分“口嫌体正直”的爱和真黑粉的喷。这个过程非常折磨人，我熬了三个通宵才把模型跑得比较稳定。
第三阶段：最终榜单出炉与反击
当所有的数据清洗完毕、权重计算完成，最终的榜单呈现在我眼前时，结果大出我的意料。
我原以为圣骑士亚瑟和魅魔莉莉丝会打得难分难解，结果莉莉丝虽然领先亚瑟一大截，但真正的黑马，那个在原作里出场次数不多、但人设特别讨喜的“毒舌精灵弓箭手”，她以极高的单帖互动率和高质量的同人作品数量，直接冲到了第二名的位置，仅仅落后于莉莉丝！
圣骑士亚瑟被挤到了第三。这个结果证明了我的判断：活粉的质量，远比官方砸钱宣传要重要。
我整理好这份包含具体数据来源、清洗过程和加权计算逻辑的Excel表格，直接甩给了老李和老王。
老李看到他的亚瑟只排第三，一开始还不服气，说我算法有问题。我打开我的IP轮换日志、情感分析训练集给他看，他瞬间沉默了。老王倒是乐了，但也被精灵弓箭手的数据惊到了。
他们两个盯着那表格看了快半小时，一句话没说。老李憋出一句：“行，你赢了。”
这下，我的目的就达到了。不仅让那俩人闭了嘴，还顺带摸清了现在二次元社区的真实流量构成。以后再聊人气，我可就是带着数据来的，底气足得很。