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。 2.用Hive对爬虫大作业产生的csv文件进行数据分析，写一篇博客描述你的分析过程和分析结果。 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。 因为python 阅读全文
hive基本操作与应用
2018-05-16 23:27 by linxj97, 130 阅读, 0 推荐, 收藏,
摘要：启动hadoop Hdfs上创建文件夹 上传文件至hdfs 启动Hive 创建原始文档表 导入文件内容到表docs并查看 用HQL进行词频统计，结果放在表word_count里 查看统计结果 阅读全文
理解MapReduce计算构架
2018-05-11 10:27 by linxj97, 172 阅读, 0 推荐, 收藏,
摘要：用Python编写WordCount程序任务 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 首先先创建文件 然后编写两个函数 先找到Streaming的Jar包 配置默认环境 阅读全文
熟悉HBase基本操作
2018-05-09 10:51 by linxj97, 187 阅读, 0 推荐, 收藏,
摘要：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 male 23 2015003 阅读全文
爬虫大作业
2018-04-28 00:13 by linxj97, 344 阅读, 0 推荐, 收藏,
摘要：1、爬取网站：17173 主要爬取单机游戏的排行以及点击量 并且进入到每个游戏的链接中获取游戏的详细信息 2、代码 通过翻页判断出URLS 通过循环找出每页每个游戏的href 再写出爬取游戏详细信息的函数 3、生成词云 背景图片 生成的词云图片 4、问题总结 在爬取下载量时无法从游戏详细页面获取，只 阅读全文
第三章 熟悉常用的HDFS操作
2018-04-26 22:09 by linxj97, 949 阅读, 0 推荐, 收藏,
摘要：一、Hadoop提供的Shell命令完成相同任务： 1.在本地Linux文件系统的“/home/hadoop/”目录下创建一个文件txt，里面可以随意输入一些单词. 2.在本地查看文件位置（ls） 3.在本地显示文件内容 4.使用命令把本地文件系统中的“txt”上传到HDFS中的当前用户目录的inp 阅读全文
使用正则表达式，取得点击次数，函数抽离
2018-04-10 17:42 by linxj97, 157 阅读, 0 推荐, 收藏,
摘要：1. 用正则表达式判定邮箱是否输入正确。 2. 用正则表达式识别出全部电话号码。 3. 用正则表达式进行英文分词。re.split('',news) 4. 使用正则表达式取得新闻编号 5. 生成点击次数的Request URL 6. 获取点击次数 7. 将456步骤定义成一个函数 def getCl 阅读全文
网络爬虫基础练习
2018-03-29 22:54 by linxj97, 167 阅读, 0 推荐, 收藏,
摘要：1.利用requests.get(url)获取网页页面的html文件 结果截图 2.利用BeautifulSoup的HTML解析器，生成结构树 3.找出特定标签的html元素 4.取得含有特定CSS属性的元素 取出h1标签的文本 取出a标签的链接 取出所有li标签的所有内容 取出一条新闻的标题、链接 阅读全文
浙公网安备 33010602011771号