“百度贴吧采集工具”的版本间的差异

2016年3月16日 (三) 10:49的版本

摘要

     这个工具是用户根据需要提取百度贴吧的话题的工具，主要提取标题，作者，内容，最后回复时间和回复数目的，用于数据分析。

展示

背景

    百度搜索还是很多人用的最多的网站之一，
    需要在网站上面分析一些热点话题，
    采集这些话题用于数据分析或者毕业论文的依据。
    通过百度搜索找到自己要找的话题进行采集，
    然后对于这些话题进行数据分析。

需求

     可以输入关键词
     要求每次采集发现新的企业网址
     支持关键词过滤无效网址

功能

输入

输出

处理

     模拟人工查询的方法输入关键词
     获取查询结果
     解析返回结果中的标题 内容 网址
     根据网址的域名进行网址过滤
     根据网址的域名进行网址去重
     保存新发现的结果
     解析结果内容，
     提取QQ 微信 电话 邮箱

使用

备注

     由于无法把各个企业的官网的格式是千差万别的，
     无法调转到特定企业的官网去进一步获取联系方式
     这个是一个缺憾。