网站批量发帖 如何自动收集大批量现成的互联网业务

考虑到平台的屏蔽政策，又要绞尽脑汁的想出各种谐音字符，比如："加威"、"+薇"。

而这些前缀，就是我们今天的关键字，我们要通过上诉的搜索引擎特殊命令，带上这些前缀批量的收集别人的现成业务。

步骤1：收集

结合上诉，我们可以想到的是：

"inurl"之后要跟的链接就是我们想收集的平台，这个平台我们选择了号称"全球最大中文社区"的百度贴吧。

这个称号有点虚，但算是有实无名。

在移动端，百度贴吧依然是集"社交"、"论坛"于一身的顶流头部APP，在PC端，作为百度亲儿子，贴吧占据着的百度搜索流量几乎是其他兄弟产品中的NO.1，随便搜索一个词，都有贴吧的身影。

另外，我们都很清楚，在百度贴吧引流，几乎是每一个互联网新手老手都干过的事情。

那么"inurl"怎么写？这个命令的意义是我们希望搜索出来的结果链接必须包含我们填写的这一段字符串，而我们搜索的，希望在标题中出现的关键词"加微"，是希望在贴吧主贴的标题里的。

贴吧主贴的链接是：

https://tieba.baidu.com/p/000000000

每一个帖子都是一样的格式，后面那串数字代表不同帖子。
因此"inurl"的值应该是：
tieba.baidu.com/p/

这样在搜索时就可以只包含所有百度贴吧的主题帖子：
下面是我们搜索出来的结果：
五花八门，只有我们想不到的，没有别人没在做的。
当然了，不是所有业务都适合我们，不是所有业务都合适做，况且我们要的是现成，除了知道ta在做什么，还得知道怎么做，因此，有必要先把这些信息都收集回来做研究。
信息的收集很简单，不需要会技术，就用我之前分享的"web "来收集，如果不会用，这是传送门，看里面的步骤1：
本次收集，对于每一个搜索结果，我们只要标题和标题对应的链接：
我们新建一个ws的项目工程（还不会ws的先在上面文章学一下，下面讲解一些操作步骤是有忽略的）：
着重看一下三个红框的内容：
我们在百度搜索：:"加微" inurl:/p/
:"加微" inurl:/p/ 就是本次搜索的关键词。
搜索之后，在浏览器链接框（第一个红框）就会显示对应的百度链接，一般我们搜索后显示的链接是类似这样的：
密密麻麻的字符串，这是因为链接里包含了各种字段，每一个字段都有对应代表的信息，同时因为不是每个字段都是必须的，因此上面第一个红框的链接就是我保留了必须的字段，其他不必要的字段直接去掉，这样就清晰很多。
链接字段是用"&"隔开的，除了第一个字段前面是"?"，其他的字段前面都需要加上"&"表示隔开。
在上诉的搜索链接中：
字段"wd"等于的值就是我们搜索的关键词，会有一些"%"和数字，它们是浏览器转义后的显示，不用在意，"rn"就是上面说的返回50条结果的作用。
"pn"是百度的分页格式，pn=0，代表是第一页，pn=50，是代表第二页，以此类推每页递增50。
我们把这条链接复制到其他地方，就会变成下面这样：
https://www.baidu.com/s?wd=intitle%3A%22%E5%8A%A0%E5%BE%AE%22%20inurl%3Atieba.baidu.com%2Fp%2F&rn=50&pn=0

"wd"后的关键词变成了一串乱码，这个是浏览器的URL编码，不用在意，明白就好，所以现在回过头来看上面这张图：
我们针对这次采集新建了一个工程项目，这个工程的配置是不会变的，因为都是采集百度结果页面，但是我们可能会采集不同的词，比如"加微"、"加威"，词不同链接就要换，所以每次采集时是要更换这个"start URL"的。
当我们换成其他关键词时：
先在浏览器链接里把"加微"修改成"加威"，然后直接回车就会搜索，搜索完之后，把浏览器上的链接复制到下面红框中即可，保存就可以进行新一轮收集。
当然了，复制下来后"pn"的值是要改的，不能直接等于0，百度的搜索结果最大只显示76页，我们这样的搜索（一页返回50条）最多只会显示10几页，因此每次搜索一个新词要先确认"pn"最大可以是多少：
每次5页、10页的点，等到没有更多了，看看上面浏览器链接里pn是多少，然后再按照刚才的链接格式填进"start URL"，把pn设置成对应的数值。
现在我们设置一下抓取标题的""：
经过点选，标题已经筛选出来了，保存即可开始采集。
收集数据就到这里了，完全不需要技术，如果不明白，肯定是ws的基础理解还不够，回看之前的文章先学习。
你可能会奇怪，一页50条结果，十几页也才大几百条，数据量很少。
其实够了，我们每次都是把百度能返回来的最多结果都收集回来了，我们刚才说的前缀"加微"，可以演变成各种形式，根据过往见过的，发挥我们的想象力，每一个词都可以抓几百上千，光这些收集成千上万是没问题的，够我们挖掘了。
这些词包括不限于：
加微、加威、加薇、加胃、加魏、+V、vx，以及各种组合。
另外我们只有搜索了微信，还有加群、加Q、关注公众号等等等等，光公众号就有各种变体，抖音和贴吧的公众号变体多了去了。
步骤2：整理
这是本次测试收集到的数据（2000+，需要对标题去重）：
第一条就是"迪拜包机"业务，啧啧啧，这业务真大，由于对方是在引流，因此有必要说清ta能提供什么，所以每一条标题都是明明白白清清楚楚的业务信息。
那么怎么应用这份数据呢？
我们刚才提到，我们需要现成的业务，现在业务都在这份表，我们知道了他们在做什么，接下来要了解具体是怎么做的。
介于数据量太多，我们有必要优先筛选，选择的标准是：
"迪拜包机,需要的朋友详聊加微150*******6357【阿联酋吧】..."
这样一个标题，我们很清楚他是干嘛的，因为"迪拜"、"包机"，已经明确说清楚了。
"看中加微188**********8【联通宽带吧】_百度贴吧"
这样一个标题，他并没有直接说明业务信息，需要点进去看。
因此我们显然优先了解直接从标题就可以看到业务信息的帖子，这两种标题的差别在于：没有明确业务信息的标题，标题里都是一些通用词，比如：加微、联系、进、找我
这些通用词在各种标题里都会出现，但是一个标题里如果仅只有这些词，那就是没有明确信息的标题。
PS：以下操作需要用到，不会的朋友可以先看，后续我会慢慢更新一些需要用到的小工具。
因此我们先把所有标题分词并统计词频，这些通用词因为很多标题都会有，很容易就可以把他们统计挑选出来：
如上，在这些高频词汇里，诸如：百度、加微、需要、欢迎、交流、联系等等，他们对我们了解业务信息是没有帮助的。
这些词里，我们看一眼，觉得是通用的，对我们了解信息没有帮助的，都可以挑选出来，放到一个库里，假设叫：无效词库，把每个标题分词，分词过程中把每个词根拿去无效词库里比对，有就去掉，没有就保留，最终没有明显业务信息的标题就会返回空的，有业务信息的标题就会返回关键信息，然后把他们一一对应：
如上图，第一列标题就是我们收集回来的，第二列是我们去除掉标题里的贴吧名称字段，第三列就是我们把第二列拿去分词并去除无效词之后得到的。
从中可以看到，诸如：
红框中的两列标题都没有关键信息，都是一些通用词，光凭标题看不出什么，所以经过计算，它会返回空，这样的目标我们以后再研究。
现在我们筛选去掉第三列（词根）为空的：
最后就是我们需要优先了解的数据了：
主要看"key"这一列，已经足够一目了然了，如果关键词是我们感兴趣的，直接点击右边对应的百度快照链接，就会进入原帖页面：
上面是一位帮别人推荐配置的朋友，在低预算情况下玩游戏，引流到闲鱼或微信都有。
当我们对某个业务有兴趣怎么办？直接加微信，加完直接问，或者观察朋友圈一周左右，他的业务我们基本就明白了。
如果我们对他的业务有兴趣，想要估算一下他大概能赚多少钱，大致逻辑可以根据我在知乎专栏的第二篇文章的步骤5，这是传送门：
了解完这些还是对业务有兴趣，那接下来就要知道他如何引流，这个业务要做的话基本门槛是什么？
首先是门槛，需要多少钱，要准备什么工具，要准备什么资源，要花多少时间经营，要多少个人，具体项目情况不一样，只能根据个人常识经验判断。