2018年5月
Hadoop综合大作业
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。 启动hadoop Hdfs上创建文件夹 上传文件至hdfs 准备文件song.txt: 上传到hdfs/data文件中 启动Hive 创建原始文档表 导入文件内容到表docs并查看 词频统计 查看结果 2. 阅读全文
posted @ 2018-05-24 15:56 083许锦添 阅读(95) 评论(0) 推荐(0) 编辑
理解MapReduce
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 #！ /usr/bin/python3 # Map函数 import 阅读全文
posted @ 2018-05-14 10:09 083许锦添 阅读(126) 评论(0) 推荐(0) 编辑
熟悉常用的HBase操作
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 @ 2018-05-04 20:28 083许锦添 阅读(129) 评论(0) 推荐(0) 编辑
2018年4月
熟悉常用的HDFS操作
摘要： 一、Hadoop提供的Shell命令完成相同任务： 1、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. 2、在本地查看文件位置（ls） 3、在本地显示文件内容 1 2 3 cd /usr/local/hadoop touch test.t 阅读全文
posted @ 2018-04-27 21:25 083许锦添 阅读(139) 评论(0) 推荐(0) 编辑
爬虫爬取小说网站
摘要： #!/usr/bin/env python # -*- coding: utf-8 -*- # @Author : Woolei# @File : book136_singleprocess.py import requestsimport timeimport osfrom bs4 import 阅读全文
posted @ 2018-04-24 10:23 083许锦添 阅读(983) 评论(0) 推荐(0) 编辑
数据结构化与保存
摘要： import requests import re import pandas from bs4 import BeautifulSoup from datetime import datetime def getPageN(pageUrl): res1 = requests.get(pageUrl) res1.encoding = "utf-8" soup = ... 阅读全文
posted @ 2018-04-17 20:47 083许锦添 阅读(129) 评论(0) 推荐(0) 编辑
使用正则表达式，取得点击次数，函数抽离
摘要： 1.用正则表达式判断邮箱是否输入正确 2.用正则表达式识别出全部的电话号码(这里用的是固话模式) 3.用正则表达式进行英文单词的分词 import re ''' 1.用正则表达式判断邮箱是否输入正确 2.用正则表达式识别出全部的电话号码(这里用的是固话模式) 3.用正则表达式进行英文单词的分词 '' 阅读全文
posted @ 2018-04-11 19:07 083许锦添 阅读(166) 评论(0) 推荐(0) 编辑
爬取校园新闻首页的新闻
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
posted @ 2018-04-03 21:43 083许锦添 阅读(97) 评论(0) 推荐(0) 编辑
2018年3月
网络爬虫基础练习
摘要： 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(newsurl) #返回response对象 res.en 阅读全文
posted @ 2018-03-29 21:32 083许锦添 阅读(95) 评论(0) 推荐(0) 编辑
综合练习：词频统计
摘要： f = open("F:\geci.txt","r")lrc = f.read()f.close()a = (''',.?-''')for i in a: lrc = lrc.replace(i," ")lrc = lrc.lower()lrc = lrc.split()d = set(lrc)di 阅读全文
posted @ 2018-03-26 17:22 083许锦添 阅读(110) 评论(0) 推荐(0) 编辑
下一页