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）词频统计。 a.开启 b.查看 c.将网络爬虫大作业的结果存入txt，并且保存到hdfs里面。 首先需要修改曾经的代码，将爬出来的数据存入MuKeData.txt 这是爬虫爬出来的数据 将爬虫大作业得到的数据写入创建的Mu 阅读全文
摘要：
1.启动hadoop 打开所有命令：start-all.sh 2.Hdfs上创建文件夹 创建名为PGOne到user/hadoop 3.上传文件至hdfs 创建和修改508.txt文件，里面尽量多写一下，可写一些重复的内容，以便后面的查重。 4.启动Hive 打开hiv，不解释 5.创建原始文档表 阅读全文
摘要：
编写程序求每日最高最低气温，区间最高最低气温 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。 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.最后提交爬取的全部数据、爬虫及数据分析源代 阅读全文
摘要：
向HDFS中上传任意文本文件，如果指定的文件在HDFS中已经存在，由用户指定是追加到原有文件末尾还是覆盖原有的文件； cd bin/ $ if $(./hdfs dfs -test -e input/hzh.txt); then $(./hdfs dfs -appendToFile ~/hzh.tx 阅读全文
摘要：
任务如下： 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 阅读全文
摘要：
1.取出一个新闻列表页的全部新闻 包装成函数。 2.获取总的新闻篇数，算出新闻总页数。 3.获取全部新闻列表页的全部新闻详情。 4.找一个自己感兴趣的主题，进行数据爬取，并进行分词分析。不能与其它同学雷同。 1-3： 4（爬慕课网）： 阅读全文
摘要：
任务如下： 1. 用requests库和BeautifulSoup库，爬取校园新闻首页新闻的标题、链接、正文、show-info。 2. 分析info字符串，获取每篇新闻的发布时间，作者，来源，摄影等信息。 3. 将字符串格式的发布时间转换成datetime类型 4. 使用正则表达式取得新闻编号 5 阅读全文
摘要：
Posted on 2018-03-29 21:54 170何强 阅读(2) 评论(0) 编辑 收藏 0.可以新建一个用于练习的html文件，在浏览器中打开。 1.利用requests.get(url)获取网页页面的html文件 import requests newsurl='http://new 阅读全文