Spark 读取文件中文乱码解决

本文介绍了一种解决Spark处理中文文本时出现乱码的方法。通过先读取文本到内存中,并转换为List,再转化为Spark所需的格式来规避乱码问题。同时也提供了使用HadoopFile API读取文件并指定字符集的示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

当我们获取文本文件数据源是,直接使用如下代码会出现中文乱码问题

val txt = sc.textFile(rootPath+ "/4/*")

 解决方案:将文本先用数据流读进内存,转化成list,在转化成spark需要的格式。

 val files = Source.fromFile("i:\\1\\1.txt","gbk" ).toList
  val rddt = sc.parallelize(files)
  
  rddt.foreach { print }

 

 sc.hadoopFile(rootPath+ "/1/1.txt",classOf[TextInputFormat], classOf[LongWritable], classOf[Text]).map{
      pair =>  new String(pair._2.getBytes, 0, pair._2.getLength, "GBK")}

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值