会员
周边
众包
新闻
博问
闪存
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
胡德霖
博客园
首页
新随笔
新文章
联系
管理
订阅
2018年5月25日
Hadoop综合大作业
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。 2.用Hive对爬虫大作业产生的csv文件进行数据分析,写一篇博客描述你的分析过程和分析结果。 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。 因为python
阅读全文
posted @ 2018-05-25 19:43 208胡德霖
阅读(82)
评论(0)
推荐(0)
编辑
2018年5月17日
hive基本操作与应用
摘要: 启动hadoop Hdfs上创建文件夹 上传文件至hdfs 准备文件song.txt: 上传到hdfs/data文件中 启动Hive 创建原始文档表 导入文件内容到表docs并查看 导入: 查看: 用HQL进行词频统计,结果放在表word_count里 查看统计结果
阅读全文
posted @ 2018-05-17 19:53 208胡德霖
阅读(84)
评论(0)
推荐(0)
编辑
2018年5月11日
理解MapReduce计算构架
摘要: 用Python编写WordCount程序任务 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map函数,reduce函数 map函数: reduce函数: 将其权限作出相
阅读全文
posted @ 2018-05-11 21:58 208胡德霖
阅读(74)
评论(0)
推荐(0)
编辑
2018年5月9日
熟悉HBase基本操作
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
posted @ 2018-05-09 20:02 208胡德霖
阅读(117)
评论(0)
推荐(0)
编辑
2018年4月28日
爬虫大作业
摘要: 1.选一个自己感兴趣的主题(所有人不能雷同)。 因为不能雷同,所以就找了没人做的,找了一个小说网站。 2.用python 编写爬虫程序,从网络上爬取相关主题的数据。 导入相关类 获取详细页面的标题和介绍 获取一个页面的所有列表 计算网站的小说总数 获取所有数据并分别写入TXT,title.txt和i
阅读全文
posted @ 2018-04-28 18:29 208胡德霖
阅读(285)
评论(0)
推荐(0)
编辑
2018年4月27日
第三章 熟悉常用的HDFS操作
摘要: 一、Hadoop提供的Shell命令完成相同任务: 二、
阅读全文
posted @ 2018-04-27 19:15 208胡德霖
阅读(93)
评论(0)
推荐(0)
编辑
2018年4月18日
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 def getNewDetail(newsUrl): news = {} res = requests.get(newsUrl) res.encoding = 'utf-8' soup =
阅读全文
posted @ 2018-04-18 18:20 208胡德霖
阅读(113)
评论(0)
推荐(0)
编辑
2018年4月10日
使用正则表达式,取得点击次数,函数抽离
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
posted @ 2018-04-10 22:47 208胡德霖
阅读(116)
评论(0)
推荐(0)
编辑
2018年4月4日
爬取校园新闻首页的新闻
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。 4. 将完整的代码及运行结果截图发布在作业上。
阅读全文
posted @ 2018-04-04 22:59 208胡德霖
阅读(171)
评论(0)
推荐(0)
编辑
2018年3月29日
网络爬虫基础练习
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
posted @ 2018-03-29 20:57 208胡德霖
阅读(69)
评论(0)
推荐(0)
编辑
下一页
公告
点击右上角即可分享