Question

我有一个映射器的Map-Reduce作业，它接受一个记录并将其转换为一个对象，一个MyObject的实例，它使用Jackson编组为JSON。该值只是记录中的另一个文本字段。

映射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());

映射器的输出被发送到组合器，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（两个字符串），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作业似乎运行正常，直到达到某些我无法轻易访问的记录（因为映射器正在从爬网生成记录），并且抛出以下异常：

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]

有人会对此事有任何建议吗？

Answer 1

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

或者你可以在json编组之前选择性地替换字符串中的控制字符。

你也可以参考这篇文章 - Illegal character - CTRL-CHAR

Strange Jackson非法字符（（CTRL-CHAR，代码0））Map Reduce Combiner中的异常

1 个答案: