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）词频统计。 对英文长篇小说The Souls of Black Folk进行词频统计 1.start-all.sh 创建文件夹 1.hdfs dfs-mkdir storyinput 2.hdfs dfs-ls/usr/h 阅读全文
摘要：
老师：MissDu 提交作业 老师：MissDu 提交作业 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 编写m 阅读全文
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
摘要：
一、Hadoop提供的Shell命令完成相同任务： 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.cd ./home/hadoopsudo mkdir a.txt 在本地查看文件位置（ls）ls 在本地显示文件内容touch a.txt 阅读全文
摘要：
1.选一个自己感兴趣的主题或网站。(所有同学不能雷同) 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 阅读全文
摘要：
import requests import pandas import re from bs4 import BeautifulSoup from datetime import datetime def getNewsDetail(newsUrl): resd = requests.get(newsUrl) resd.encoding = 'utf-8' soup... 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：
import requests from datetime import datetime from bs4 import BeautifulSoup ksul='http://news.gzcc.cn/html/xiaoyuanxinwen/' res=requests.get(ksul) res.encoding='utf-8' soup=BeautifulSoup(res.text,'h... 阅读全文
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
摘要：
fo =open("jj.txt","r") news=fo.read() fo.close sep='''",.!?：''' exclude={'the','she','you','it','a','and','is','in','so'} for i in sep: news= news.replace(i," ") wordLis 阅读全文