Hadoop综合大作业
摘要：
一、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）词频统计。 1.启动hadoop 2.Hdfs上创建文件夹并查看 3.上传英文词频统计文本至hdfs 4.启动Hive 5.导入文件内容到表docs并查看 6.进行词频统计，结果放在表t_word_count里 7.查看统 阅读全文
posted @ 2018-05-25 19:25 228黄施策 阅读(117) 评论(0) 推荐(0)
hive基本操作与应用
摘要：
通过hadoop上的词频统计 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 结果放在表word_count里 统计结果 阅读全文
posted @ 2018-05-17 21:02 228黄施策 阅读(85) 评论(0) 推荐(0)
理解MapReduce计算构架
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
posted @ 2018-05-11 21:09 228黄施策 阅读(83) 评论(0) 推荐(0)
熟悉HBase基本操作
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
posted @ 2018-05-10 20:28 228黄施策 阅读(130) 评论(0) 推荐(0)
python爬虫（以简书为例）
摘要：
1.主题： 简单爬取简书中的专题‘’@IT·互联网“中的文章，爬取信息之后通过jieba分词生成词云并且进行分析； 2.实现过程： 第一步：打开简书并进入到@IT-互联网专题 网页链接：https://www.jianshu.com/c/V2CqjW?utm_medium=index-collect 阅读全文
posted @ 2018-04-29 21:18 228黄施策 阅读(2299) 评论(1) 推荐(1)
熟悉常用的HDFS操作
摘要：
一、Hadoop提供的Shell命令完成相同任务： 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input目录下。 5.查看hdfs中的文件(-ls) 6.显示hdfs中该的文件内容 7.删除本地的txt文件并查看目录 8.从hdfs中将txt下载地本地原来的位置。 9. 阅读全文
posted @ 2018-04-27 21:01 228黄施策 阅读(133) 评论(0) 推荐(0)
数据结构化与保存
摘要：
老师：MissDu 提交作业 老师：MissDu 提交作业 1. 将新闻的正文内容保存到文本文件。 def writeDetailNews(content): f = open('gzccnews.txt',"a",encoding="utf-8") f.write(content) f.clo 阅读全文
posted @ 2018-04-18 20:09 228黄施策 阅读(151) 评论(0) 推荐(0)
使用正则表达式
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。 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 阅读全文
posted @ 2018-04-11 20:25 228黄施策 阅读(224) 评论(0) 推荐(0)
网络爬虫基础练习
摘要：
0.可以新建一个用于练习的html文件，在浏览器中打开。 import requests newsurl='http://news.gzcc.cn/html/xiaoyuanxinwen/' res = requests.get(newsurl) #返回response对象 res.encoding 阅读全文
posted @ 2018-03-30 19:59 228黄施策 阅读(152) 评论(0) 推荐(0)
浙公网安备 33010602011771号