04 2018 档案

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. 在本地查看文件位置(ls) 在本地显示文件内容 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。 查 阅读全文
posted @ 2018-04-26 11:05 KingdomJay 阅读(365) 评论(0) 推荐(0) 编辑
摘要:一、主题 : 爬取博客园博问上160页每页25条帖子标题,利用jieba分词生成词云进行分析 二、python爬取数据 博问主页:https://q.cnblogs.com/list/unsolved?page=1 第二页:https://q.cnblogs.com/list/unsolved?pa 阅读全文
posted @ 2018-04-22 13:45 KingdomJay 阅读(371) 评论(0) 推荐(0) 编辑
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 @ 2018-04-17 18:47 KingdomJay 阅读(409) 评论(0) 推荐(0) 编辑
摘要:学会使用正则表达式 import requestsimport match import re newsurl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/' res = requests.get(newsurl) res.encoding = 'utf-8 阅读全文
posted @ 2018-04-10 20:56 KingdomJay 阅读(194) 评论(0) 推荐(0) 编辑
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。 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。 3. 将其中的发布时间由str转换成datetime类型。 阅读全文
posted @ 2018-04-04 12:37 KingdomJay 阅读(222) 评论(0) 推荐(0) 编辑