关于mapreduce解析xml的方法

mapreduce的TextInputFormat很方便的处理行行的文本，但遇到xml的时候就很纠结了，曾经采用</property>分隔数据重写FileInputFormat（网上有资料），可以解决此问题，但会获取很多噪音数据。
后来想到以起始<property>结束</property>来获取数据，重写FileInputFormat没有这个技术能力，呵呵。
后来一直找资料，看了一篇http://www.linezing.com/blog/?p=489，可以借助mahout工程的XmlInputFormat.java很方便的解决问题。

根据mahout的版本有适宜hadoop0.20以前版本的XmlInputFormat，新版本适宜0.20以后的版本。从官网上下mahout包源码即可。