摘要： Hadoop综合大作业 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。 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wor 阅读全文

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

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： 1.选一个自己感兴趣的主题（所有人不能雷同）。 主题:爬取足球新闻相关信息 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。 txt 词云: 4.对文本分析结果进行解释说明。 文本内容通过对新闻网站的某个球队的新闻爬取，分别有标题、来源、内容等 阅读全文

摘要： 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. mkdir hadoop cd hadoop touch test.txt gedit test.txt 在本地查看文件位置（ls） ls -al 在本地显示文件内容 cat test.tx 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) 3. 安装pandas，用pand 阅读全文

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 ge 阅读全文

摘要： 2. 分析字符串，获取每篇新闻的发布时间，作者，来源，摄影等信息。 3. 将其中的发布时间由str转换成datetime类型。 还没做好。 阅读全文

摘要： file=open('news.txt','r',encoding='utf-8') f=file.read() f.close() sep=''',.!?''' for c in sep: news=news.replace(c,'') wordList = news .lower().split() wordDict={} for w in wordLis... 阅读全文

摘要： 字符串： 列表： 元组： 字典： 集合： st = set([1,10,'i',3,4,5,'z',8]) for s in st : print(s) 1）列表是任意对象的序列，用方括号表示。list是一种有序的集合，可以随时添加、修改和删除其中的元素，是一个可变的有序表，所以，可以往list中追 阅读全文