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。 先启动dfs 上传下载的英文小说 创建表world 进行HQL词频统计，将结果放到word_count中 查找表的前二十条记录 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 阅读全文
摘要：
通过hadoop上的hive完成WordCount 启动hadoop Hdfs上创建文件夹 上传文件至hdfs 启动Hive 创建原始文档表 导入文件内容到表docs并查看 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
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：
1.主题 爬取小说网站的《全职高手》小说第一章 2.代码 导入包 取出所需要的标题和正文 定义一个获取所有章节 url的函数 去掉句子中多余的部分 将数据放入txt文本文件 读取要生成词云的文件和生成形状的图片 进行分隔 设置词云生成图片的样式 显示词云生成的图片 3.数据截图 4.遇到的问题及解决 阅读全文
摘要：
一、Hadoop提供的Shell命令完成相同任务： 阅读全文
摘要：
1. 将新闻的正文内容保存到文本文件。 import requests from bs4 import BeautifulSoup url = "http://news.gzcc.cn/html/xiaoyuanxinwen/" res = requests.get(url) res.encodin 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。 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 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。 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 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。 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/xiaoyua 阅读全文
摘要：
英文词频统计 英文词频统计 下载一首英文的歌词或文章 将所有,.？！’:等分隔符全部替换为空格 将所有大写转换为小写 sep = ''',.'?!;:'"'''; for i in sep: worldSet = news.replace(i,' '); worldSet= news.lower() 阅读全文