贴吧采集简报
百度贴吧 153 帖样本量、时间分布、金额样本 · 源文件 其他平台武汉装修采集简报.md
全部报告行情综合报告采集报告（得意生活）贴吧采集简报材料采购手册101㎡ 精细预算15–20 万翻新方案避坑与省钱★ 装修设计方案（总纲）客餐厅 + 玄关设计三间卧室设计厨卫 + 阳台设计全屋收纳系统照明设计水电点位设计采集说明
其他平台武汉装修采集简报（贴吧）
- 生成日期：2026-08-14
- 数据文件：
G:\one\reflesh\wuhan_zhuangxiu_other_platforms.csv（UTF-8 无 BOM，12 列） - 原始数据：
G:\one\reflesh\research_raw\tieba_rows.jsonl（153 行）、tieba_state.json（断点状态） - 采集脚本：
G:\one\reflesh\research_raw\tieba_collect.py（v2，已修复停止条件） - 采集日期：2026-08-14，请求间隔 ≥ 2.2s，验证码即停（本次未触发验证码）
1. 样本量
| 来源吧 | 帖子数 | 说明 |
|---|---|---|
| 武汉装修吧 | 125 | 全量翻页，覆盖最后回复时间 2025-01-01 后（窗口内帖子） |
| 武汉家装吧 | 21 | 同主通道全量翻页 |
| 装修吧 | 7 | 搜索 API 不可用，回退 frs 翻页 397 页，仅保留标题含"武汉"且 2025 后的帖 |
| 合计 | 153 | 另 1 帖（tid=10942566360）已被删除（error_code=4），不计入 |
2. 时间分布（post_date）
- 2025-01 ~ 2026-08 区间：147 帖（96.1%）
- 旧帖顶起（发帖早于 2025，但最后回复在窗口内）：6 帖（2018-04、2019-04、2019-09、2020-09、2021-11、2024-08 各 1），note 中标注
type=旧帖顶起 - 月份峰值：2026-04（22 帖）、2026-05（13 帖）、2026-07（13 帖）、2025-03/04（各 11 帖）
- 详情页大量帖子标注
type=部分可见（贴吧对未登录匿名访问只返回首楼，正文缺失率高）
3. 金额样本（12 个，占 7.8%）
| 发帖日期 | 金额 | 口径 | 标题（摘要） | 备注 |
|---|---|---|---|---|
| 2019-04-28 | 250000 | 预算 | 坐标武汉清包装修历程（223 楼） | 旧帖顶起；金额线索 223 条，25 万为标题/首楼预算 |
| 2026-04-09 | 3000 | 预算 | 武汉尚境旧房改造广告 | type=ads |
| 2026-04-17 | 5000 | 行情 | 番茄园集装箱改造 | 行情询价类 |
| 2026-07-25 | 4000 | 其他 | 电视接口类问题帖 | 与装修金额无关，正文含"4000"字样 |
| 2025-02-24 | 3 | 单项 | 小型办公室装修（3 元/平 单价） | |
| 2025-07-19 | 10 | 单项 | 武汉瓷砖美缝（10 元/平 单价） | type=ads |
| 2026-01-11 | 8 | 其他 | 武汉瓷砖美缝 | type=ads，正文为"8 元/平"类单价但抽取为裸数字 |
| 2025-06-19 | 8 | 其他 | 武汉瓷砖美缝 | type=ads |
| 2025-05-29 | 8 | 其他 | 武汉瓷砖美缝 | type=ads |
| 2025-05-14 | 8 | 其他 | 武汉瓷砖美缝 | type=ads |
| 2025-04-23 | 8 | 其他 | 武汉瓷砖美缝 | type=ads |
| 2025-09-02 | 800 | 其他 | 工长墙做毁了不返工 | 金额线索 3 条，正文含"800" |
口径分布：其他 7 / 预算 2 / 单项 2 / 行情 1；未识别到明确的合同价/决算样本（贴吧首楼正文有限）。
说明：贴吧详情页 type=部分可见 导致大量正文不可见，金额抽取率偏低；美缝类广告帖的"8 元/平"等单价因正文截断常以裸数字"8"落库，口径标为"其他"。
4. 关键发现
- 贴吧列表为"智能排序"（热帖+时间混合）：单页内可混有 2020 与 2026 年的帖子，分页窗口错位；上一版"页内 min_last<2025 即停"的边界判断在 pn=3 就误停，本次改为"min_last<2025-01-01 且该页无新增窗口内帖子才停"，三个吧均翻到边界页（武汉装修 pn=11、装修吧 pn=397、武汉家装 pn=3）。
- "武汉装修吧"窗口内帖子密度低：2025-2026 窗口仅 125 帖（约 11 页），其中广告/软文占比高（type=ads 共 21 帖，多为收客户/返佣/美缝/维修类，正文模式化："收装修客户，量房返佣，签单返点"）。
- "装修吧"（泛吧）武汉帖极稀疏：frs 翻 397 页（约 5160 帖）仅 7 帖标题含"武汉"且 2025 后，佐证了搜索 API 的必要性；搜索接口在本环境不可用（见限制）。
- 价格信息稀缺且质量低：153 帖中仅 12 帖（7.8%）抽取到金额；真实有价值的样本主要是旧房改造预算类（3000 元改造预算、25 万清包预算记录帖）与美缝单项单价（3-10 元/平）；未发现合同价/决算类直接报价。
- 方式分布：全包 5 / 整装 2 / 半包 2 / 清包 1；区域命中 6 帖（江汉等），面积命中 8 帖（多为 120 ㎡级）。
5. 访问限制
- 贴吧搜索 API（c/f/search/post、c/s/search/thread）不可用：本环境匿名会话下恒返回 0 字节空响应（尝试 GET/POST/多参数组合共 5 次）；网页版搜索返回 SPA 空壳（
tbs=null，未登录）。已自动回退 frs 翻页方案。 - 知乎（zhihu.com）403：本次复核确认搜索页返回 403，无登录态不可采集。
- 齐家（jia.com/qizuang.com）404：任务上下文记录其装修详情/搜索接口 404；本次复核首页 HTTP 200，具体接口未深入。
- 土巴兔（to8to.com）SSL：任务上下文记录 SSL 异常；本次复核
https://www.to8to.com/ask/可访问（HTTP 200），此前 SSL 问题未复现。 - 贴吧 frs/pb 移动接口本会话全程正常（约 560 次请求无风控触发）。
6. 自检结果
| 检查项 | 结果 |
|---|---|
| CSV 可解析（csv 模块读回） | 通过 |
| 列数一致（12 列） | 通过 |
| 行数 153 = 详情成功数 153 | 通过 |
| 联系方式/手机/微信/QQ/邮箱/地址残留扫描 | 0 处（title+summary 正则扫描） |
| 金额口径标注 | 12 帖有金额，口径已标注（预算/单项/行情/其他） |
| 日期范围 | 主体 2025-01 ~ 2026-08（147/153，96.1%）；6 帖为旧帖顶起（发帖 <2025，最后回复在窗口内） |
| 重复/缺失 tid | 0 重复；selected 153 帖全部有行 |
| 匿名化 | 输出不含昵称/ID，作者字段落盘前已剔除（scrub） |
| 限速 | 请求间隔 ≥2.2s，验证码即停，全程未触发 |
7. 数据口径说明
- 窗口定义：frs 列表
last_time_int >= 2025-01-01 00:00 UTC (1735689600)，即"最后回复时间在 2025 年后"的帖子（旧帖顶起也计入，note 标注）。 - 金额抽取：正则从标题+首楼正文提取首条非每平金额（优先级：非每平 > 每平单价），
amount_yuan为元；口径按上下文关键词判定（预算/合同价/决算/单项/行情/广告/其他）。 - 隐私：正文/标题中手机、座机、邮箱、微信号、QQ、电话关键词+号码、精确地址（路名+门牌/栋号单元室）一律替换为
[联系方式]/[地址]；原始响应 JSON 落盘前剔除 author/user/user_list 等字段。