集搜客GooSeeker网络爬虫

标题: 我想分析下知乎话题：女记者远嫁西部长期遭受家暴 [打印本页]

作者: 马涌河畔 时间: 2021-2-7 16:59
标题: 我想分析下知乎话题：女记者远嫁西部长期遭受家暴
我想分析下话题：女记者远嫁西部长期遭受家暴，比如知乎上的这个：如何看待文章《另一个拉姆》讲述的记者马金瑜远嫁西部，长期遭受家庭暴力和凌虐一事？
是不是先用爬虫软件采集这个问题的回答，然后导入分词工具？

作者: 内容分析应用 时间: 2021-2-7 17:03
可以先用这个知乎快捷采集：知乎_独立问题所有回复采集，把回答内容采集下来
然后用集搜客文本和分词软件进行分词，做词频统计，词云图，社交网络图

作者: 马涌河畔 时间: 2021-2-7 17:04
好的，我先用集搜客爬虫软件做数据采集

作者: 马涌河畔 时间: 2021-2-8 09:44
我把知乎问题网址：https://www.zhihu.com/question/443154151 添加到快捷采集知乎_独立问题所有回复采集，发现只采集了1页。
需要在网址后面添加一串字符，变成这样：https://www.zhihu.com/question/443154151/answers/updated ,才能采集到全部。
如果是通过集搜客知乎关键词搜索的快捷采集得到的网址，就不需要人工去修改，导出的结果网址已经是修改好的。

作者: 马涌河畔 时间: 2021-2-8 10:59
本帖最后由马涌河畔于 2021-2-8 11:08 编辑

采集了知乎上的这个问题和对应的回答，一共1843条。按分词工具的要求(导入的文件至少需要2个字段：序号和正文)，在快捷采集得到的excel文件中添加了一列“序号”，把列“回答内容”改名成“正文”
[attach]13734[/attach]

作者: 马涌河畔 时间: 2021-2-8 11:44
登录集搜客中文分词和情感分析软件，新建一个任务，导入上面处理过的excel文件。
导入完成后，不需要做其它，就可以直接下载分词后的”词频统计表“和”分词效果表“
[attach]13735[/attach]

欢迎光临集搜客GooSeeker网络爬虫 (https://www.gooseeker.com/doc/)