04 2018 档案

爬虫大作业

摘要：1.选一个自己感兴趣的主题。 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。 6.最后提交爬取的全部数据、爬虫及数据分析源代 阅读全文

posted @ 2018-04-30 21:17 170何强 阅读(146) 评论(0) 推荐(0) |

第三章 熟悉常用的HDFS操作

摘要：向HDFS中上传任意文本文件，如果指定的文件在HDFS中已经存在，由用户指定是追加到原有文件末尾还是覆盖原有的文件； if $(hdfs dfs -test -e text.txt); then $(hdfs dfs -appendToFile local.txt text.txt); else $ 阅读全文

posted @ 2018-04-25 17:17 170何强 阅读(186) 评论(0) 推荐(0) |

数据结构化与保存

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

posted @ 2018-04-12 20:25 170何强 阅读(172) 评论(0) 推荐(0) |

获取全部校园新闻

摘要：1.取出一个新闻列表页的全部新闻 包装成函数。 2.获取总的新闻篇数，算出新闻总页数。 3.获取全部新闻列表页的全部新闻详情。 4.找一个自己感兴趣的主题，进行数据爬取，并进行分词分析。不能与其它同学雷同。 我选择的是我玩的手游官网公告，因为公告有图片而我爬的只有文字所以会有大片空白 阅读全文

posted @ 2018-04-11 20:43 170何强 阅读(166) 评论(0) 推荐(0) |

爬取校园新闻首页的新闻的详情，使用正则表达式，函数抽离

摘要：import requests from bs4 import BeautifulSoup from datetime import datetime import re url = 'http://news.gzcc.cn/html/xiaoyuanxinwen/' res = requests. 阅读全文

posted @ 2018-04-09 21:19 170何强 阅读(186) 评论(0) 推荐(0) |

博客园  ©  2004-2026
浙公网安备 33010602011771号 浙ICP备2021040463号-3