我有一个Map-Reduce作业,它带有一个映射器,它接受一条记录并将其转换为一个对象,一个MyObject的实例,使用Jackson将其编组为JSON。该值只是记录中的另一个Text字段。
映射器的相关部分如下:
ObjectMapper mapper = new ObjectMapper();
MyObject val = new MyObject();
val.setA(stringA);
val.setB(stringB);
Writer strWriter = new StringWriter();
mapper.writeValue(strWriter, val);
key.set(strWriter.toString());
映射器的输出被发送到一个组合器,该组合器解组JSON对象并聚合键值对。它在概念上非常简单,类似于:
public void reduce(Text key, Iterable<IntWritable> values, Context cxt)
throws IOException, InterruptedException {
int count = 0;
TermIndex x = _mapper.readValue(key.toString(), MyObject.class);
for (IntWritable int : values) ++count;
...
emit (key, value)
}
MyObject类由两个字段(都是字符串)、get/set方法和默认构造函数组成。其中一个字段存储基于网页抓取的文本片段,但始终是字符串。
public class MyObject {
private String A;
private String B;
public MyObject() {}
public String getA() {
return A;
}
public void setA(String A) {
this.A = A;
}
public String getB() {
return B;
}
public void setIdx(String B) {
this.B = B;
}
}
我的MapReduce作业看起来运行良好,直到它到达某些记录,我不能容易地访问(因为映射器正在从抓取生成记录),并且抛出以下异常:
Error: com.fasterxml.jackson.core.JsonParseException:
Illegal character ((CTRL-CHAR, code 0)): only regular white space (r, n, t) is allowed between tokens
at [Source: java.io.StringReader@5ae2bee7; line: 1, column: 3]
谁能告诉我这是什么原因? - 您可以使用Apache Commons库中的
StringUtils
来转义字符串。 控件中的控制字符也可以选择性地替换
你也可以参考这篇文章:非法字符- CTRL-CHAR
我得到一个UTF-16编码的响应,在字节[]中的每个简单字符之后有一个((CTRL-CHAR,代码0)),见屏幕。
it work for me:
StringUtils.toEncodedString(responseBodyAsByteArray, StandardCharsets.UTF_16LE)