百度贴吧发帖频率统计以及贴吧帖子热门关键词统计 百度贴吧发帖频率&热门关键词云监控
demo:http://t.changwei.me/tongji
上传所有文件到服务器上，添加do_num.php和do_tongji.php为监控项或者cron计划任务，每小时执行一次。导入tongji.sql到数据库中并且修改conn.php中的各项配置即可。
touxiang.php——获取贴吧头像（服务端脚本获取可绕过贴吧的Referer检测，此脚本有被DDOS攻击的风险，如有需要可修改文件名以及在do_xxx.php文件中对应的require语句）
index.php——首页展示
timer.class.php——统计脚本执行时间类文件
do_num.php——定时fetch发帖量数据并且存入数据库进行统计
do_tongji.php——定时fetch帖子内容并且调用中文分词API进行分词并且存入数据库进行统计
中文分词部分调用的是SCWS的中文分词接口，特此感谢。
SCWS 是 Simple Chinese Word Segmentation 的首字母缩写（即：简易中文分词系统）。
这是一套基于词频词典的机械式中文分词引擎，它能将一整段的中文文本基本正确地切分成词。 词是中文的最小语素单位，但在书写时并不像英语会在词之间用空格分开， 所以如何准确并快速分词一直是中文分词的攻关难点。
SCWS 采用纯 C 语言开发，不依赖任何外部库函数，可直接使用动态链接库嵌入应用程序， 支持的中文编码包括 GBK、UTF-8 等。此外还提供了 PHP 扩展模块， 可在 PHP 中快速而方便地使用分词功能。
分词算法上并无太多创新成分，采用的是自己采集的词频词典，并辅以一定的专有名称，人名，地名， 数字年代等规则识别来达到基本分词，经小范围测试准确率在 90% ~ 95% 之间， 基本上能满足一些小型搜索引擎、关键字提取等场合运用。首次雏形版本发布于 2005 年底。
SCWS 由 hightman 开发， 并以 BSD 许可协议开源发布，源码托管在 github [https://github.com/hightman/scws]。
昌维 2016-04-18 17:17:43