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）进行词频统计。 （1）开启所有的服务，并创建文件夹wwc (2)查看目录下所有文件 （3）把hdfs文件系统中文件夹里的文本文件load进去。 （4）进入hive,并查看所有的表 (5)创建表word,,写hiveQL命令 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 3.本机上测试运行代码 4.放到HDFS上运行 5.查看运行结果 2. 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.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。 查看h 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。 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： 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) tele_num = re.search('\d{3,4}-\d{6,8}', b).group(0) print(mail+'\n'+tele_num) ... 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。 爬取校园新闻首页新闻的标题、链接： 爬取正文： 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

摘要： 1.取出h1标签的文本 2.取出a标签的链接 3.取出所有li标签的所有内容 4.取出一条新闻的标题、链接、发布时间、来源 阅读全文

摘要： song = ''' Don't need permission Made my decision to test my limits Cause it's my business god as my witness Start what I finished Don't need no hold 阅读全文