摘要：
恢复内容开始 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）进行词频统计。 在虚拟机上网下载一个著名的《教父》的英文小说，下载到本地。 首先要启动dfs： 在hdfs上创建文件夹： 查看hdfs上的所有文件： 把下载的文件上传到hdfs： 启动hive： 创建表： 把 阅读全文
摘要：
熟悉常用的HBase操作 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 mal 阅读全文
摘要：
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 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： 二、 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：
1. 将新闻的正文内容保存到文本文件。 def writeNewsDetail(content): f=open('gzcc.txt','a',encoding='utf-8') f.write(content) f.close() 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 阅读全文
摘要：
学会使用正则表达式 1. 用正则表达式判定邮箱是否输入正确。 import re a = "123456789@qq.com" b = '020-88770099' mail = re.search('\d{6,12}@[a-zA-Z0-9]+.[a-zA-Z0-9]+', a).group(0) 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。 我校2018年新增学士学位授予专业评审工作顺利完成 3月29日，我校2018年新增学士学位授予专业评审会议在第二行政楼208会议室举行。 http://news.gzcc.cn/html/2018/x 阅读全文
摘要：
0.可以新建一个用于练习的html文件，在浏览器中打开。 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( 阅读全文