拋（）磚引玉

在大街上隨便找個(gè)人，他不一定能說出自己的生辰八字，但99%的人都知道自己是哪個(gè)星座。不僅如此，幾乎每個(gè)人都能說出關(guān)于星座的一二三。多數(shù)人心里都有關(guān)于十二星座的基本印象，比如你是雙子座男生，可能就會(huì)被認(rèn)為很花心；他是射手座，就會(huì)給人非常愛自由的印象..

但是有一個(gè)問題我們必須思考，對(duì)十二星座的印象，最初是從哪兒來的呢？十有八九是從網(wǎng)站上或者星座書上。但是你想過沒有，星座預(yù)測(cè)雖然到處都是，但預(yù)測(cè)的話中有多少是確定的呢？有些人說自己很相信星座，但預(yù)測(cè)后，發(fā)現(xiàn)星座內(nèi)容跟自己一點(diǎn)都對(duì)不上，真是百思不得其解。那么，書上的我們且不說，網(wǎng)站上的那些星座預(yù)測(cè)到底可不可信呢？

神秘登場(chǎng)

要查與星座有關(guān)的東西，根本不用搜索，很多網(wǎng)站（包括門戶網(wǎng)站）上都有相關(guān)內(nèi)容。有的網(wǎng)站是只能測(cè)星座，比如你是獅子座，你點(diǎn)了獅子座之后，電腦會(huì)顯示：

“獅子座是由太陽神阿波羅所管理，所以在他身上處處顯露陽光、熱情、自信、大方的特質(zhì)..喜歡成為焦點(diǎn)人物的獅子座，都有脆弱之時(shí)；因?yàn)樗麄兲诤鮿e人對(duì)他的看法，往往因此而不快樂；不肯認(rèn)輸?shù)膫€(gè)性，也是令自己不愉快的泉源。獅子座的女性更加可憐，她們是最怕老、怕寂寞、怕不被別人尊重，為了要打擊這些心魔，她們會(huì)使用任何方法去改變它們?！?/p>

有些網(wǎng)站是星座+姓名+性別+血型+出生日期..或者是其中幾項(xiàng)的任意組合，這種模式似乎更受歡迎。星座能提供給你的不僅是性格分析，而且還有事業(yè)、愛情、婚姻、學(xué)業(yè)、健康等，一般還會(huì)告訴你，你的幸運(yùn)數(shù)字、幸運(yùn)日、幸運(yùn)顏色、幸運(yùn)石等。

此外，還有與星座相關(guān)的文章，比如十二星座中誰最小氣？十二星座中誰容易晚婚？十二星座女性誰最討人喜歡等?？芍^五花八門，層出不窮。

面對(duì)這些星座分析，有的人覺得它們很有道理，說得都對(duì)；但有的人覺得自己怎么也無法對(duì)號(hào)入座。這是怎么回事呢？星座分析里的話是怎么說出來的？這些話可信嗎？

要解開這個(gè)謎底，我們就刨根問底一次，看看網(wǎng)站上那些星座運(yùn)程是怎么來的。

揭秘事實(shí)

對(duì)于星座分析中那些似是而非的話，一個(gè)叫做informationisbeautiful的網(wǎng)站對(duì)它產(chǎn)生了懷疑，它對(duì)預(yù)測(cè)里的高頻詞匯進(jìn)行了搜索和分析，打算用數(shù)據(jù)證明星座預(yù)測(cè)這個(gè)“謊言”。

結(jié)果網(wǎng)站的研究者發(fā)現(xiàn)，每個(gè)星座預(yù)測(cè)里面的高頻詞有很多是互相重復(fù)的，而各個(gè)星座特有的高頻詞卻只占了很小的比例。研究者得出的這個(gè)結(jié)果本身是否有說服力呢？

為了得到結(jié)果，網(wǎng)站研究者做了以下工作：

從屏幕上抓詞

在雅虎上抓取星座預(yù)測(cè)的詞條。復(fù)制粘貼肯定不行，于是研究者們找到Python編程高手Thomas，讓他寫了個(gè)屏幕抓取的腳本，這讓他們?cè)赮ahooShine上獲得了22186個(gè)詞條，并將這些詞條導(dǎo)入一個(gè)巨大的電子表格中。當(dāng)然，說起來容易做起來難，雅虎這樣的大網(wǎng)站，怎么可能沒有自己的保護(hù)措施？當(dāng)同一IP訪問服務(wù)器太頻繁的時(shí)候，就會(huì)被認(rèn)作黑客，此IP在一段時(shí)間內(nèi)就會(huì)被禁用。因?yàn)檠芯空邆儼盐蘸昧搜呕ⅰ跋匏佟钡某叨?，所以才能?2小時(shí)左右獲得所需的原始數(shù)據(jù)，這些數(shù)據(jù)共有9.5MB。