04 2018 档案

熟悉常用的HDFS操作
摘要：一、Hadoop提供的Shell命令完成相同任务： 二、 1、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； 2、从HDFS中下载指定文件，如果本地文件与要下载的文件名称相同，则自动对下载的文件重命名； 4、显示HDFS中指定的文 阅读全文
posted @ 2018-04-27 21:20 084-苏文遥 阅读(263) 评论(0) 推荐(0)
爬虫大作业
摘要：按照作业要求先找到自己感兴趣的网页进行爬取 找到相应位置就进行爬取 找到QQ音乐的搜索歌曲API 此接口获取搜索的歌曲 执行结果 生成词云 阅读全文
posted @ 2018-04-24 18:51 084-苏文遥 阅读(123) 评论(0) 推荐(0)
数据结构化与保存
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 re import 阅读全文
posted @ 2018-04-16 19:29 084-苏文遥 阅读(110) 评论(0) 推荐(0)
正则表达式
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 getCl 阅读全文
posted @ 2018-04-10 19:07 084-苏文遥 阅读(117) 评论(0) 推荐(0)
爬虫
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.text,"h... 阅读全文
posted @ 2018-04-02 22:16 084-苏文遥 阅读(95) 评论(0) 推荐(0)