消息：hadoop中1字节UTF-8序列的无效字节1

Question

我使用Hadoop解析XML，并从here得到了代码。

但我发现了以下错误：

FINISH_TIME="1385387129970" HOSTNAME="DEV140" ERROR="java.io.IOException: javax.xml.stream.XMLStreamException: ParseError at [row,col]:[18,3] Message: Invalid byte 1 of 1-byte UTF-8 sequence.

但我的XML编码使用UTF-8只。那我该如何处理呢？

Answer 1

我怀疑这就是问题所在 - 它至少一个问题：

XMLStreamReader reader = 
    XMLInputFactory.newInstance().createXMLStreamReader(new 
     ByteArrayInputStream(document.getBytes())); 

调用到getBytes将使用平台默认的编码，而不是UTF-8。

您可以指定"utf-8"的编码名称 - 但它会更简单，以创建一个StringReader：

XMLStreamReader reader = XMLInputFactory.newInstance() 
    .createXMLStreamReader(new StringReader(document)); 

当然，这可能不是唯一的错误，但它至少东西看。