问题是这样的,我在做抓取的文件中的URL统计时碰上了这么个问题:
我的map方法中的output格式是这样的<Text, Text>,其中key是做了URLEncode的url,value是其他信息(格式为:爬虫名-html大小-抓取时间戳);
我的reduce方法中是对URL的value做了下统计,统计完后在的output格式认为<Text, Text>,key仍然是做了URLEncode的url,value则是在原下的格式后加了个标记,代表抓取次数(格式为:爬虫名-html大小-抓取时间戳-抓取次数,即在原先的value后加了个: -抓取次数)。
我的conf设置的属性有以下几个:
//设置输出的key, value类型
conf.setOutputKeyClass(Text.class);
conf.setOutputValueClass(Text.class);
//设置起始,结束标记
conf.set("xmlinput.start", Config.RawPageStartKey);
conf.set("xmlinput.end", Config.RawPageEndKey);
conf.setJobName("URLInfo-Test");
conf.setJarByClass(URLInfoTest.class);
conf.setMapperClass(URLMapperTest.class);
conf