爬虫挣钱系列：数据整合之--结构化人名的机会

开年第一篇以挣钱话题开篇，祝朋友们19年都能开拓自己的被动收入渠道。本来想写个跟情人节相关的文章，写了又删，又写又删，觉得没啥意义，所以还是写Python技术和爬虫挣钱的文章吧。

看过我过往文章的老朋友知道我的一个写作方向是爬虫挣钱系列，今年会持续输出。文章里说的事例有的是我亲身实践过，比如接爬虫外包项目，比如数据整合做网站流量，挣百度网盟，比如爬虫技术去做增长黑客。有的事例是我基于上述经验而思索的方向，没有亲自实践。

今天这篇是我亲自实践过，每年能带来近10万被动收入的数据整合机会—结构化人名。

什么叫结构化人名：

这个世界上有很多名人，红人，企业高管，各行业，各垂直领域，有很多很多。只要有一点名气就会有人在搜索引擎上输入你的名字，检索你的信息。每天这些搜索流量是高得可怕。

但是这些流量大头都被百度百科截获了，比如娱乐，体育，企业高管这些名人。

上图是一些名人的百度指数，都是几千-几万的搜索量。

这些人都在百度百科里有词条了，那我们还有机会吗？

有，其实还有很多很多小名人，他们是没有百度百科的，用户在百度上搜索这些人名，只能在很多张网页中看到他们的只言片语，他们的信息都散落在各个网页里，需要使用技术手段把这些人物结构化出来，把他们的发言，简介等个人相关信息结构化出来做成一张张网页。

哪些人物还有这种结构化机会？

大公司的基中层管理者，网络小V(相对于大V来说)，小公司的高级管理者，垂直领域的知名者。举几个例子：

吴翰清，你知道是谁吗？

他是阿里云首席科学家，人称道哥，他是没有百度百科的。

看看他的百度指数：

每天1000多人搜索。

再比如曹政，网络名caoz，知名网络大V，他也是没有百度百科的。他没有百度指数，但是从我的百度流量统计数据看，每天也有上百人搜索他。

上图是我的百度统计的搜索词流量的部分截图，你可以看到还有好些人名，他们都是各个领域的小有名气者。每天都有人在百度上搜索他们的名字。

PS：曹政的公众号：caoz ，的文章干货满满，很能开拓运营视野和知识边界。

结构化这些人名之后干什么？

做成网站，做成一个页面简单的人物介绍网站，一个人物一张网页，网页里是这个人物的个人介绍相关内容(这些是靠技术结构化出来的)。以便于被百度搜录，让网站有搜索流量进入，每天挣百度网盟费。

这是在做垃圾网站吗？

No. 用户搜索这些人名是想了解他们的信息，而这些信息之前都是散落在不同地方的，用户在搜索引擎里要一张张网页点击寻找，查阅是很繁琐的，你把这些信息聚合在一起一次性展示给用户，是节约用户时间，搜索引擎也是很欢迎这样做的。

涉及到的知识？

爬虫技术，数据结构化，自然语言处理，Web知识，简单网站运营技巧。

这是考验你各方面抓取能力的，你需要写一个不错的爬虫程序去大量抓取网页；

你需要运用各种手段（正则，bs，xpath等）去抽取千奇百怪的网页格式数据；

还需要一点自然语言处理技术来提高结构化的准确度和效率。

无论是自己搭建简易网站还是使用wp等博客系统，都需要对Web知识和网站运营有一点了解。

如何抓取？

抓取网页需要入口，需要准备一些关键字，比如：嘉宾介绍、高管介绍，作者简介、公司董事等等关键词借助百度，google，微信，微博等搜索渠道，过滤出可能的网页，然后对这些网页实施抓取和结构化。结构化是超级繁琐的事情。

要结构化多大量的人名？

你需要大量结构化至少数十万条人名才能每天有过万的流量，这个没办法靠人工，一个一个去网页上找然后整理编辑，因为这些人名的每天搜索量很小，靠人工每天去编辑几十条，要到猴年马月去了。我结构化了大约10万个人名，每天有4万IP左右，IP对应的百度网盟收入是：100:1的关系。

为什么我要说这些？

1.我写的结合爬虫挣钱系列文章是一种思路，需要同时俱备不错的技术能力和流量运营思维。有这个技术的人可能不懂得如何运营，有这个流量视野的人可能技术上不行。

2.筑巢引凤，我领悟到了这里面的流量机会，如果能把人名结构化规模扩大到百万级，每年的网盟收入就会有百万级。

如果你有大量人物资料这方面的合法资源、渠道、点子或技术实力，私聊我，我们一起挣钱钱。

PS：不要问以下两个问题：

1.你的网站是哪个？

2.能不能把代码贡献出来？

我又出点子，又给代码，有这么好的躺挣机会请给我也来一打。

作者：王平

十年专注于python web 开发，网络爬虫。深入理解Python语言，对Python特性深度了解.