摘要：一、Hadoop提供的Shell命令完成相同任务： 4.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。 5.查看hdfs中的文件(-ls) 6.显示hdfs中该的文件内容 7.删除本地的txt文件并查看目录 8.从hdfs中将txt下载地本地原来的位置。 9. 阅读全文

摘要：数据来源： 我爬取的数据是博客园首页的新闻信息，选择的原因是因为博客园是开发者经常使用的博客网站，里面发布的信息当然是最前沿的信息，通过爬取博客园的新闻，我可以了解到IT行业最新的信息。 实现过程： 首先进入一个新闻的页面，通过观察，编写一个获取当页需要的信息的函数 其中要来将读取的新闻详情信息保存 阅读全文

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) 3. 安装pandas，用pand 阅读全文

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

摘要：1. 用requests库和BeautifulSoup库，爬取校园新闻首页新闻的标题、链接、正文。 运行结果图： 2. 分析字符串，获取每篇新闻的发布时间，作者，来源，摄影等信息。 运行结果图： 3. 将其中的发布时间由str转换成datetime类型。 运行结果图： 4. 将完整的代码及运行结果截 阅读全文