hadoop的Text中文编码

在TextInputFormat中调用了LineRecordReader,接着又调用了LineReader,方法readDefaultLine方法中直接使用的Text直接加入的从文件中读取的bytes,其中并没有转换。

如果原始的text文件如果是中文的话,再取出来的时候就不能使用Bytes.toString(final byte [] b)来转换了,因为这个方法里面使用的utf8来解码的。需要自己调用new String(byte[], "gbk")来进行处理了。

看到了TestTextNonUTF8,Text中是以byte[]存储的。所以放进去bytes,再取出来bytes后,还是可以用原来的编码转回来的。

但是若使用Text的setString方法,会使用UTF8来转换成byte[]么?

你可能感兴趣的:(hadoop)