摘要： Hadoop综合大作业 要求： 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。 我下载的是一篇英文长篇小说《教父》,字数为个， 将文章（godfather.txt）放在了wc文件中： 启动hadoop: 文件上传至hdfs 启动hive hive 创建原 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 cd /home/hadoop/wc 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、Hadoop提供的Shell命令完成相同任务： 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. 在本地查看文件位置（ls） 在本地显示文件内容 cd /usr/local/hadoop touch hello.txt cat hell 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) 爬取食谱网（香哈网）的食谱内使用过的食材 2.用python 编写爬虫程序，从网络上爬取相关主题的数据。 from bs4 import BeautifulSoup as bs from urllib.request import Reques 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 pandas imp 阅读全文

摘要： #判断邮箱电话格式 a = "1207384251@qq.com" b = '020-12345678' mail = re.search('\d{6,12}@[a-zA-Z0-9]+.[a-zA-Z0-9]+', a).group(0) tele_num = re.search('\d{3,4}-\d{6,8}', b).group(0) print(mail+'\n'+tele_num) ... 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： import requests from bs4 import BeautifulSoup newsurl='http://localhost:63342/untitled/3/29.html?_ijt=ltocl4v68kb1po4608e3291lkm' res=requests.get(newsurl) res.encoding="utf-8" soup=BeautifulSoup(res... 阅读全文

摘要： file=open('song.txt','r',encoding='utf-8') str=file.read() # 将文章里的标点符号替换为空格 wordList =str.lower().split() # 将数组变成一个个个单词 sep=''',.'"?!:''' word = ['it', 'you', 'a', 'and', 'for', 'on', 'the 阅读全文