当我们获取文本文件数据源是,直接使用如下代码会出现中文乱码问题
val txt = sc.textFile(rootPath+ "/4/*")
解决方案:将文本先用数据流读进内存,转化成list,在转化成spark需要的格式。
val files = Source.fromFile("i:\\1\\1.txt","gbk" ).toList val rddt = sc.parallelize(files) rddt.foreach { print }
sc.hadoopFile(rootPath+ "/1/1.txt",classOf[TextInputFormat], classOf[LongWritable], classOf[Text]).map{ pair => new String(pair._2.getBytes, 0, pair._2.getLength, "GBK")}