利用JAVA讀取HDFS文件數(shù)據(jù)時出現(xiàn)亂碼如何解決？針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

創(chuàng)新互聯(lián)-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設、高性價比阿爾山網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式阿爾山網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設找我們，業(yè)務覆蓋阿爾山地區(qū)。費用合理售后完善，10多年實體公司更值得信賴。

使用JAVA api讀取HDFS文件亂碼踩坑

想寫一個讀取HFDS上的部分文件數(shù)據(jù)做預覽的接口，根據(jù)網(wǎng)上的博客實現(xiàn)后，發(fā)現(xiàn)有時讀取信息會出現(xiàn)亂碼，例如讀取一個csv時，字符串之間被逗號分割

• 英文字符串a(chǎn)aa，能正常顯示
• 中文字符串“你好”，能正常顯示
• 中英混合字符串如“aaa你好”，出現(xiàn)亂碼

查閱了眾多博客，解決方案大概都是：使用xxx字符集解碼。抱著不信的想法，我依次嘗試，果然沒用。

解決思路

因為HDFS支持6種字符集編碼，每個本地文件編碼方式又是極可能不一樣的，我們上傳本地文件的時候其實就是把文件編碼成字節(jié)流上傳到文件系統(tǒng)存儲。那么在GET文件數(shù)據(jù)時，面對不同文件、不同字符集編碼的字節(jié)流，肯定不是一種固定字符集解碼就能正確解碼的吧。

那么解決方案其實有兩種

• 固定HDFS的編解碼字符集。比如我選用UTF-8，那么在上傳文件時統(tǒng)一編碼，即把不同文件的字節(jié)流都轉化為UTF-8編碼再進行存儲。這樣的話在獲取文件數(shù)據(jù)的時候，采用UTF-8字符集解碼就沒什么問題了。但這樣做的話仍然會在轉碼部分存在諸多問題，且不好實現(xiàn)。
• 動態(tài)解碼。根據(jù)文件的編碼字符集選用對應的字符集對解碼，這樣的話并不會對文件的原生字符流進行改動，基本不會亂碼。

我選用動態(tài)解碼的思路后，其難點在于如何判斷使用哪種字符集解碼。參考下面的內容，獲得了解決方案

java檢測文本(字節(jié)流)的編碼方式

需求：

某文件或者某字節(jié)流要檢測他的編碼格式。

實現(xiàn)：

基于jchardet

<dependency>
	<groupId>net.sourceforge.jchardet</groupId>
	<artifactId>jchardet</artifactId>
	<version>1.0</version>
</dependency>

網(wǎng)頁標題：利用JAVA讀取HDFS文件數(shù)據(jù)時出現(xiàn)亂碼如何解決-創(chuàng)新互聯(lián)
當前鏈接：http://www.aaarwkj.com/article24/coeije.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供響應式網(wǎng)站、靜態(tài)網(wǎng)站、移動網(wǎng)站建設、App設計、電子商務、動態(tài)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)