摘要：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。 启动hadoop 用hdfs创建文件夹 上传自己找的英文文章到hdfs上 启动hive，创建novels原始文档表 导入文件内容到表docs并查看 查看统计结果 2.用Hive对爬虫大作业产生的csv文件进行数据分 阅读全文
理解MapReduce
2018-05-10 21:43 by 124杨锦达, 279 阅读, 0 推荐, 收藏, 编辑
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 1 2 cd /home/hadoop/wc sudo gedit m 阅读全文
熟悉常用的HBase操作
2018-05-04 21:55 by 124杨锦达, 143 阅读, 0 推荐, 收藏, 编辑
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
爬虫大作业
2018-05-03 18:23 by 124杨锦达, 206 阅读, 0 推荐, 收藏, 编辑
摘要：1.选一个自己感兴趣的主题或网站。 我选了网易新闻来爬取 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。 一开始遇到的问题很 阅读全文
熟悉常用的HDFS操作
2018-04-27 20:39 by 124杨锦达, 137 阅读, 0 推荐, 收藏, 编辑
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 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。 查 阅读全文
使用正则表达式，取得点击次数，函数抽离
2018-04-09 21:44 by 124杨锦达, 168 阅读, 0 推荐, 收藏, 编辑
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
爬取校园新闻首页的新闻
2018-04-02 21:04 by 124杨锦达, 155 阅读, 0 推荐, 收藏, 编辑
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.... 阅读全文
网络爬虫基础练习
2018-03-29 20:34 by 124杨锦达, 143 阅读, 0 推荐, 收藏, 编辑
摘要：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://news.gzcc.cn/html/xiaoyuanxinwen/' res = requests.get( 阅读全文
综合练习-词频统计
2018-03-26 20:41 by 124杨锦达, 166 阅读, 0 推荐, 收藏, 编辑
摘要：lyric = ''' Oh Whoa Oh Whoa Oh Whoa You know you love me, I know you care Just shout whenever, and I'll be there You are my love, you are my heart And we will never, ever , ever be apart Are we an it... 阅读全文