hadoop的Text中文编码

在TextInputFormat中调用了LineRecordReader,接着又调用了LineReader,方法readDefaultLine方法中直接使用的Text直接加入的从文件中读取的bytes,其中并没有转换。

如果原始的text文件如果是中文的话,再取出来的时候就不能使用Bytes.toString(final byte [] b)来转换了,因为这个方法里面使用的utf8来解码的。需要自己调用new String(byte[], "gbk")来进行处理了。

看到了TestTextNonUTF8,Text中是以byte[]存储的。所以放进去bytes,再取出来bytes后,还是可以用原来的编码转回来的。

但是若使用Text的setString方法,会使用UTF8来转换成byte[]么?

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