我们可以从博客或论坛中提取什么样的数据用于网络抓取项目？

Question

我即将从事一个关于 'analysing data from blog or forum' 的项目，所以我想知道我们可以从博客或论坛中提取什么样的数据，我应该如何开始

Answer 1

首先，您应该决定使用哪种编程语言。然后，您应该考虑使用网络抓取工具。

不同的编程语言有不同的。对于Java，例如有jsoup。

关于获取什么数据首先要考虑页面的格式。但我建议收集的数据包括：

用户名 网站上的照片 与用户名相关的数据（加入日期、post 人数、高级会员状态、照片、Phone 号码、E-mail 地址、全名、地址等（如果适用））， 博客标题 posts， 在论坛上提出的问题， 每个问题的答案数， 博客中的错别字 post, 日期相关信息。