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）进行词频统计。 先启动dfs 上传下载的英文小说 创建表world 进行HQL词频统计，将结果放到word_count中 查找表的前二十条记录 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 阅读全文
posted @ 2018-05-24 23:02
227温立恒
阅读(110)
评论(0)
推荐(0)
摘要：
通过hadoop上的hive完成WordCount 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
posted @ 2018-05-16 22:14
227温立恒
阅读(76)
评论(0)
推荐(0)
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
posted @ 2018-05-10 18:47
227温立恒
阅读(88)
评论(0)
推荐(0)
摘要：
1.主题 爬取小说网站的《全职高手》小说第一章 2.代码 导入包 取出所需要的标题和正文 定义一个获取所有章节 url的函数 去掉句子中多余的部分 将数据放入txt文本文件 读取要生成词云的文件和生成形状的图片 进行分隔 设置词云生成图片的样式 显示词云生成的图片 3.数据截图 4.遇到的问题及解决 阅读全文
posted @ 2018-04-30 16:14
227温立恒
阅读(301)
评论(0)
推荐(0)
摘要：
一、Hadoop提供的Shell命令完成相同任务： 阅读全文
posted @ 2018-04-27 14:36
227温立恒
阅读(107)
评论(0)
推荐(0)
摘要：
1. 将新闻的正文内容保存到文本文件。 import requests from bs4 import BeautifulSoup url = "http://news.gzcc.cn/html/xiaoyuanxinwen/" res = requests.get(url) res.encodin 阅读全文
posted @ 2018-04-18 15:56
227温立恒
阅读(135)
评论(0)
推荐(0)
摘要：
学会使用正则表达式 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 阅读全文
posted @ 2018-04-11 14:40
227温立恒
阅读(150)
评论(0)
推荐(0)
摘要：
学会使用正则表达式 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 阅读全文
posted @ 2018-04-10 17:49
227温立恒
阅读(95)
评论(0)
推荐(0)
摘要：
0.可以新建一个用于练习的html文件，在浏览器中打开。 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/xiaoyua 阅读全文
posted @ 2018-03-29 22:34
227温立恒
阅读(136)
评论(0)
推荐(0)
摘要：
英文词频统计 英文词频统计 下载一首英文的歌词或文章 将所有,.？！’:等分隔符全部替换为空格 将所有大写转换为小写 sep = ''',.'?!;:'"'''; for i in sep: worldSet = news.replace(i,' '); worldSet= news.lower() 阅读全文
posted @ 2018-03-27 19:13
227温立恒
阅读(118)
评论(0)
推荐(0)
浙公网安备 33010602011771号