第五次作业

一、词频统计

A. 分步骤实现

1.准备文件

　　1.下载小说或长篇新闻稿

 

 2.上传到hdfs上

 

 2.读文件创建RDD

 

 3.分词

 

 4.排除大小写lower()，map()

 

 标点符号re.split(pattern,str)，flatMap()

 

   停用词,可网盘下载stopwords.txt,filter()，筛选出不在停用表中的词

 

 

 

 

 

 长度小于2的词filter()

 

  筛选前后对比

 

 

5.统计词频

　　全文统计

 

 相同单词统计

 

 6.按词频排序

 

 7.输出到文件

 

 8.查看结果

 

 B. 一句话实现：文件入文件出

 

 

 

 

二、求Top值

网盘下载payment.txt文件，通过RDD操作实现选出最大支付额的用户。