Python 该如何操作文本入库至 Hbase

[f8281113]

Python 操作文本入库至 Hbase,文本样式如下; Python 的正则该如下写读取 url docno contenttitle content 这四个字段，并写入到 hbase 的一个表中。。。谢谢！！
-----------------------------------------------------------
<doc>
<url>http://gongyi.sohu.com/20120724/n348878190.shtml</url>
<docno>5fa7926d2cd2f0ea-34913306c0bb3300</docno>
<contenttitle>爸爸为女儿百万建幼儿园　消防设施３年仍不过关</contenttitle>
<content></content>
</doc>
<doc>
<url>http://gongyi.sohu.com/s2008/sourceoflife/</url>
<docno>f2467af22cd2f0ea-34913306c0bb3300</docno>
<contenttitle>中国西部是地球上主要干旱带之一，妇女是当地劳动力．．．</contenttitle>
<content>同心县地处宁夏中部干旱带的核心区，　冬寒长，春暖迟，夏热短，秋凉早，干旱少雨，蒸发强烈，风大沙多。主要自然灾害有沙尘暴、干热风、霜冻、冰雹等，其中以干旱危害最为严重。.
由于生态环境的极度恶劣，导致农村经济发展缓慢，人民群众生产、生活水平低下，靠天吃饭的被动局面依然存在，同心，又是国家级老、少、边、穷县之一…［详细］</content>
</doc>
<doc>
<url>http://gongyi.sohu.com/20120612/n345424232.shtml</url>
<docno>0dadd5002ed2f0ea-34913306c0bb3300</docno>
<contenttitle>思源焦点公益基金救助孩子：永康</contenttitle>
<content>不满一岁的永康是个饱经病痛折磨的孩子，２０１１年７月５日出生的他，患有先天性心脏病、疝气，一出生便被遗弃。２０１２年１月８日，才５个月大的永康被发现呼吸困难</content>
<doc>
...........

[stamaimer]

xpath ，有个库叫 lxml

[rainysia]

1, py 怎么取这文本就不说了吧

2, 用 HBase thrift 写 或者 openTSDB

[f8281113]

有没有哪位使用过 bulk load

[wmttom]

pyquery 写 css 选择器比写 xpath 更简单点

[ubear1991]

thrift

[Wien]

bulk load 适合一次性导入到大量数据，而不适合持续导入。如果用 bulk load ，可以先用 python 读取数据到文本文件（ csv 等）再通过 hadoop 的 MR 将数据转化成 HFile ，最后用 bulk load 直接导入 Hbase 。

[wellsc]

pyspark