map reduce组合器中出现非法字符((ctrl char,代码0))异常

vqlkdk9b  于 2021-06-04  发布在  Hadoop
关注(0)|答案(1)|浏览(442)

我有一个MapReduce作业,它使用一个Map器获取一个记录并将其转换为一个对象,一个myobject的示例,该示例使用jackson封送到json。值只是记录中的另一个文本字段。
Map器的相关部分如下所示:

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());

Map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方法和一个默认构造函数组成。其中一个字段存储基于web爬网的文本片段,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作业似乎运行良好,直到它到达某些记录为止,我无法轻松访问这些记录(因为Map程序正在通过爬网生成记录),并引发以下异常:

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]

有人对这件事的起因有什么建议吗?

btqmn9zl

btqmn9zl1#

您可以使用apache commons中的stringutils来转义字符串-https://commons.apache.org/proper/commons-lang/javadocs/api-2.6/src-html/org/apache/commons/lang/stringescapeutils.html#line.89
或者可以在json封送处理之前有选择地替换字符串中的控制字符。
您还可以引用这个post-非法字符-ctrl char

相关问题