114周展鹏

摘要： 1.用Hive对爬虫大作业产生的文本文件（或者英文词频统计下载的英文长篇小说）进行词频统计。 （1）开启所有的服务，并创建文件夹wwc (2)查看目录下所有文件 （3）把hdfs文件系统中文件夹里的文本文件load进去。 （4）进入hive,并查看所有的表 (5)创建表word,,写hiveQL命令 阅读全文

摘要： 1. 用Python编写WordCount程序并提交任务 程序 WordCount 输入 一个包含大量单词的文本文件 输出 文件中每个单词及其出现次数（频数），并按照单词字母顺序排序，每个单词和其频数占一行，单词和频数之间有间隔 编写map函数，reduce函数 #！/usr/bin/env pyt 阅读全文

摘要： 熟悉常用的HBase操作 1. 以下关系型数据库中的表和数据，要求将其转换为适合于HBase存储的表并插入数据： 学生表（Student）（不包括最后一列） 学号（S_No） 姓名（S_Name） 性别（S_Sex） 年龄（S_Age） 课程（course） 2015001 Zhangsan mal 阅读全文

摘要： 二、 向HDFS中上传任意文本文件，如果指定的文件在HDFS中已经存在，由用户指定是追加到原有文件末尾还是覆盖原有的文件； hadoop fs -put /home/hadoop/test.txt /usr/local/hadoophadoop fs -test -e /usr/local/hado 阅读全文

摘要： 1.选一个自己感兴趣的主题或网站。(所有同学不能雷同) 2.用python 编写爬虫程序，从网络上爬取相关主题的数据。 3.对爬了的数据进行文本分析，生成词云。 4.对文本分析结果进行解释说明。 5.写一篇完整的博客，描述上述实现过程、遇到的问题及解决办法、数据分析思想及结论。 6.最后提交爬取的全 阅读全文

摘要： 1. 将新闻的正文内容保存到文本文件。 def writeNewsDetail(content): f = open('gzccNews.txt', 'a',encoding='utf-8') f.write(content) f.close() 2. 将新闻数据结构化为字典的列表: 单条新闻的详情 阅读全文

摘要： 学会使用正则表达式 1. 用正则表达式判定邮箱是否输入正确。 r = '(/w)+([\.\_\-]\w+)*@(\w)+((\.\w{2,3}){1,3})$' e = '623608874@qq.com' if re.match(r,e): print('suc') else: print('p 阅读全文

摘要： 1. 用requests库和BeautifulSoup库，爬取校园新闻首页新闻的标题、链接、正文。 import requests from bs4 import BeautifulSoup for news in soup.select('li'): if len(news.select('.ne 阅读全文

摘要： Simple DOM Demo This is the document body This is paragraph 1. 段落2 广州商学院 我校校长杨文轩教授讲授新学期“思政第一课” 3月27日下午，我校校... 阅读全文

摘要： 综合练习 词频统计预处理 下载一首英文的歌词或文章 将所有,.？！’:等分隔符全部替换为空格 将所有大写转换为小写 生成单词列表 生成词频统计 排序 排除语法型词汇，代词、冠词、连词 输出词频最大TOP20 将分析对象存为utf-8编码的文件，通过文件读取的方式获得词频分析内容。 阅读全文