共获取贴吧传奇十一人贴子 27423 条数据。
数据保存结构
- thread.csv
为各帖子的一些基本信息。
| 属性 | 类型 | 备注 |
|---|---|---|
| id | BIGINT(12) | "http://tieba.baidu.com/p/4778655068" 的ID就是4778655068 |
| title | VARCHAR(100) | |
| author | VARCHAR(30) | |
| reply_num | INT(4) | 回复数量(含楼中楼, 不含1楼) |
| good | BOOL | 是否为精品帖 |
- post.csv
为各楼层的一些基本信息，包括1楼。
| 属性 | 类型 | 备注 |
|---|---|---|
| id | BIGINT(12) | 楼层也有对应ID |
| floor | INT(4) | 楼层编号 |
| author | VARCHAR(30) | |
| content | TEXT | 楼层内容 |
| time | DATETIME | 发布时间 |
| comment_num | INT(4) | 楼中楼回复数量 |
| thread_id | BIGINT(12) | 楼层的主体帖子ID，外键 |
- comment.csv
楼中楼的一些信息。
| 属性 | 类型 | 备注 |
|---|---|---|
| id | BIGINT(12) | 楼中楼也有ID，且和楼层共用 |
| author | VARCHAR(30) | |
| content | TEXT | 楼中楼内容 |
| time | DATETIME | 发布时间 |
| post_id | BIGINT(12) | 楼中楼的主体楼层ID，外键 |
面试的时候说进行数据分析，对文本进行分析。看了一下，主要是对精华帖每次发布版本进行征集意见。
回来这里的舍友说可能会是免费的劳动力，就没有分析下去。这几天都在面试，昨天晚上用了接近两个小时的时间把数据爬了下来。
因为没有经验，不确定是不是不再需要这个岗位。
描述来看倾向于数据清洗的工作，不知道为什么布置这个作业，希望得到解答。
数据放到百度云盘，点我这里获取
提取码：gbst
