.
├── README.md
├── analysis
│ ├── base_analysis.ipynb
│ └── title_NLP.ipynb
├── data
│ ├── article_content.xlsx
│ ├── page_data.xlsx
│ ├── stopwords.txt
│ ├── user_data.xlsx
│ └── user_dict.txt
└── spider
├── sspai.py
└── sspai_user_info.py
-
data：
-
page_data.xlsx：存放爬取到的首页数据
-
article_data.xlsx：存放爬取到的对应文章内容
-
user_data.xlsx：存放用户页面的相关数据
-
stopwords.txt：分词的停止词（用于自然语言处理）
-
user_dict.txt：自定义字典，使分词时准确切分（用于自然语言处理，未完成）
-
spider：
-
sspai_user_info.py：用于获取用户页成就的相关数据
-
sspai.py：主要的爬虫程序，通过少数派自己的api访问并获取首页文章的相关数据
-
analysis：
-
base_analysis.ipynb：数据分析的 Notebook
-
title_NLP.ipynb：标题的自然语言处理部分（未完成）
