话不多说，说干就干。
贴子分类首先要有数据，于是尝试性的爬了演吧前三页的贴子数据，效果如图所示。



虽然再往后的也不是不能查找，但想来凉凉了两天以上（最后一个样本回复时间为11-14）的贴子已经失去了参考价值，所以先这样吧。

除开首页，演绎吧的另一个贴子数据集散地——想必就是登记楼了
emm……在爬它之前，忽然发现登记楼的格式对数据保存很不友好，于是开始尝试正则表达式……
……啧，这我之前没搞过啊
在一个多小时的翻资料和试错之后，姑且做出了这样一个版本：

没有找到能够方便整洁的搞出【演绎】后内容的方法，存在倒肯定是存在的——
但今晚摸了

ok，我又回来啦。
登记楼的爬虫意外的挺花时间，尤其是在排版上……

谁能告诉我为啥有人发帖ID的冒号用中标，有人用英标吗？？？

目前的效果如图所示（楼层标记什么的，等下再做吧）
有些人在登记楼中用的是图片……那个大概需要单独爬下来，下午继续。

请问可以插楼吗「小声」

辛苦啦，么么啾~

不明觉厉@天然出品 @方糖不加🍼

大家好，我又开始啦_(:з」∠)_
这次要做的是数据处理，为了给最终目的KNN做铺垫，先来做个LDA试试
效果如图所示：

分析的内容，是演吧前十页中文本的聚类。


从LDA的可视化可以看出来，魔幻很火啊
还有现代。
右下角是故事跟期练
左上角是个人贴。

是亡灵

分类器做出来啦_(:з」∠)_
虽然只是简单基于文字读取的分类器

上图一个是本月登记楼全部贴子，另一个是带有魔幻TAG的全部登记楼贴子

棒。

总结一下成果：

【演绎吧前二十页贴子数据】
这个爬虫做的比较精细，把包括发帖ID、题目、链接、发帖日期、最后回复日期、楼层数和能读取的第一层文本内容都爬下来了。
除去首页的那几条广告，一共爬到了996条数据。