Java 如何在pdf和doc文件上运行Hadoop wordcount程序？

如何在pdf和doc文件上运行Hadoop wordcount程序？

---

当我尝试在pdf文件上运行它时，输出会显示奇怪的字符。

您提到的文件格式是二进制的，如果不将它们预处理为纯文本，就不适合作为word count的输入。您首先必须使用其他工具/库将它们转换为纯文本格式

---

可能有一些免费的命令行实用程序可以帮助您做到这一点。

您提到的文件格式是二进制的，如果不将它们预处理为纯文本，就不适合作为word count的输入。您首先必须使用其他工具/库将它们转换为纯文本格式

---

可能有一些免费的命令行实用程序可以帮助您做到这一点。

Hadoop不仅限于处理明文文件，您当然可以处理二进制文件，例如SequenceFile是Hadoop中最常见的二进制格式，但如果您想要自定义二进制格式，也可以通过实现自己的InputFormat和RecordReader来实现

---

我建议您看看，这一个应该适合您的需要。

Hadoop不仅限于处理明文文件，您当然可以处理二进制文件，例如SequenceFile是Hadoop中最常见的二进制格式，但如果您想要自定义二进制格式，也可以通过实现自己的InputFormat和RecordReader来实现

---

我建议您看看，这篇文章应该适合您的需要。

这篇文章可能会帮助您走得更远：这篇文章可能会帮助您走得更远：二进制文件格式不适合作为输入，您需要转换为纯文本的说法是完全错误的，最高效的Hadoop程序使用二进制输入，因为它避免了解析输入的需要，从而提高了效率。二进制文件格式不适合作为输入，需要转换为纯文本的说法是完全错误的，最高效的Hadoop程序使用二进制输入，因为它避免了解析输入的需要，从而提高了效率。