Dataframe 如何在通过sqlContext.read.format（“com.databricks.Spark.xml”）读取xml时在Spark数据帧中编码

我有一个带有

encoding=“UTF-8”

的XML文件，它在一个元素中包含几个法语字母

示例<代码>Áudio

我无法通读XML

sqlContext.read.format("com.databricks.spark.xml")
               .option("rowTag", "root_Tag")
               .load("file:/Users/test.xml");

它显示了“_corrupt_record”，但如果我删除了法语字符，它的效果会非常好

我相信这个问题是因为编码。读取XML时如何在

sqlContext

中进行编码

---

我还通过读取在中使用

.option（“charset”，“UTF-8”）

进行了测试，但它不起作用。请帮助我解决问题。

我认为您需要使用小写字母（utf-8）指定选项。

我已通过在环境变量JAVA\u TOOL\u OPTIONS:-Dfile.encoding=UTF8中应用UTF8作为系统级解决了我的问题。它工作得很好。现在，我可以在spark DataFrame中读取整个xml了。我对西里尔字母字符（如\（utf 0x443））也有同样的问题，设置JAVA_工具_选项变量也很有效。谢谢@Deepan