我的文章 （Python数据分析实战-商铺数据的清洗和存储）中用到的资源文件。

博文中python数据清洗所用到的源数据，包括在线杂货店订单数据、摩托车的销售情况数据、关于淘宝母婴产品的用户消费行为的数据集

这里面是信息检索课程大作业写的一个简易搜索引擎的Python源码，包括爬数据、清洗数据、构建倒排索引、实现网页排序算法、网页渲染以及展示。

操作步骤： 一．数据采集：视频网站访问日志（编辑python脚本） 1.Python日志产生器开发URL ，ip信息，状态码，时间等 2.python日志产生器测试并将日志写入到文件中 3.通过定时调度工具每一分钟产生一批数据 4.使用flume实时收集日志信息 5.对接实时数据到kafka并输出到控制台 6.spark streaming对接kafka的数据进行消费 数据采集详情：项目其他\数据采集.docx 二．数据清洗：见项目 使用spark streaming完成数据清洗操作 三