2019-01-17

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