摘要：
1.用Hive对爬虫大作业产生的文本文件（三星S9手机论坛）进行词频统计。 （1）start-dfs.sh命令，启动所有服务 （2）创建samsung表,,进行数据 （3）创建查表 （4）查看统计结果 2.用Hive对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。 将csv格式的数据 阅读全文
摘要：
A.编写map函数，reduce函数 B.将其权限作出相应修改 C.本机上测试运行代码 D.放到HDFS上运行 a.将之前爬取的文本文件上传到hdfs上 b.用Hadoop Streaming命令提交任务 E.查看运行结果 A.气象数据集下载地址为：ftp://ftp.ncdc.noaa.gov/p 阅读全文
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
摘要：
一. 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. cd /usr/local/hadoop 2.在本地查看文件位置（ls） touch test.txt 3.在本地显示文件内容 cat test.txt 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 ./s... 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。 2. 将新闻数据结构化为字典的列表: 单条新闻的详情-->字典news 一个列表页所有单条新闻汇总-->列表newsls.append(news) 所有列表页的所有新闻汇总列表newstotal.extend(newsls) import requests f 阅读全文
摘要：
学会使用正则表达式 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) import re import requests def checkEmail(Email): eroll= 阅读全文
摘要：
import requests from bs4 import BeautifulSoup from datetime import datetime url = "http://news.gzcc.cn/html/xiaoyuanxinwen/" res = requests.get(url) res.encoding = 'utf-8' soup = BeautifulSoup(res.t... 阅读全文
摘要：
1.利用requests.get(url)获取网页页面的html文件 import requests newsurl='http://news.gzcc.cn/html/xiaoyuanxinwen/' res = requests.get(newsurl) #返回response对象 res.en 阅读全文
摘要：
f = open("lrc.txt","r") lrc = f.read() f.close() a = (''',.?-''') for i in a: lrc = lrc.replace(i," ") lrc = lrc.lower() lrc = lrc.split() d = set(lrc) di = {} for i in d: di[i] = lrc.count(i... 阅读全文