https://zaixi.dev/tags/%E7%88%AC%E8%99%AB/Recent content in 爬虫 on zaixi.devHugozh-CNSat, 17 Oct 2026 01:55:00 +0800https://zaixi.dev/posts/nodeseek-content-types/Sat, 17 Oct 2026 01:55:00 +0800https://zaixi.dev/posts/nodeseek-content-types/<p>上一篇<a href="https://zaixi.dev/posts/nodeseek-post-types/">按版块拆类型</a>把站点的 <code>cat</code> 当成了主轴，但版块是发帖入口，不等于内容。日常区里既有 VPS 闲聊，也有 AI 求助；交易区几乎全是买卖，主题却是 VPS、账号、域名各不相同。这一篇改成：<strong>只根据标题正则，给每帖一个互斥的内容主类</strong>（可附带次要标签），再统计占比和互动。</p>https://zaixi.dev/posts/nodeseek-post-types/Sat, 17 Oct 2026 01:45:00 +0800https://zaixi.dev/posts/nodeseek-post-types/<p>接上一篇<a href="https://zaixi.dev/posts/nodeseek-online/">各时段活跃度</a>。同一份公开列表数据（45,420 帖，抓于 2026-10-17 00:23～01:00 北京时间），这次按<strong>类型</strong>拆：先看站点版块字段，再在标题上叠一层关键词标签。</p> <h2 id="方法先读这个">方法（先读这个）</h2> <ul> <li><strong>主分类</strong>：列表页的 <code>cat</code> 字段，共 12 个版块（日常 / 交易 / 测评 / 情报 / 技术 / 推广 / 拼车 / 生活 / 曝光 / 沙盒 / 贴图 / Dev）。</li> <li><strong>发帖量对比窗口</strong>：高流量版块抓取上限约 100 页 × 50 帖 ≈ 5,000，日常、交易等历史深度不可比。因此发帖量只用<strong>发帖年龄 ≤ 84 小时</strong>（约 3.5 天）的 7,935 帖，这个窗口里各版块都还在页数上限之内。</li> <li><strong>互动指标</strong>：浏览 / 评论的<strong>中位数</strong>用全样本；讨论热度（评论÷浏览）只用发帖满 24 小时的帖，减少「刚发出还没人回」的干扰。</li> <li><strong>标题关键词</strong>：多标签正则启发式（一帖可多个），规则写在文末。全库命中率 <strong>59.5%</strong>（27,007 / 45,420）；未命中不等于「无类型」，只是标题没命中现有规则。</li> </ul> <p>数字全部来自本地 <code>posts.csv</code>，没有再登录站点。</p>https://zaixi.dev/posts/nodeseek-online/Sat, 17 Oct 2026 01:26:00 +0800https://zaixi.dev/posts/nodeseek-online/<p>NodeSeek 没有公开的实时在线人数。列表页却有每帖浏览数，而且发帖满约 24 小时后浏览数基本饱和。抓一批帖、按发帖时段汇总「新帖获得的总浏览量」，就能画出一天的活跃度曲线，再用 Little 定律粗估同时在线读帖人数。</p>