Python Pyspark，在尝试加入两个RDD时，我遇到了一个Unicodeincode错误

以上是我做了一张新桌子后得到的。实际上，我使用了以下命令：<代码>表3=u“”。连接（（表1，表2））.encode（'utf-8'）.strip（） 但它不起作用，我会把我的代码和真正的每个RDD输出

创建第一个RDD的代码

UnicodeEncodeError: 'ascii' codec can't encode character u'\xa9' in position 261: ordinal not in range(128)

第一个RDD实际输出

table1=sc.textFile('inventory').map(lambda line:next(csv.reader([line]))).map(lambda fields:((fields[0],fields[8],fields[10]),1))

table2=sc.textFile('checkouts').map(lambda line:next(csv.reader([line]))).map(lambda fields:((fields[0],fields[3],fields[5]),1))

创建第二个RDD的代码

[(('BibNum', 'ItemCollection', 'ItemLocation'), 1),
(('3011076', 'ncrdr', 'qna'), 1),
 (('2248846', 'nycomic', 'lcy'), 1)]

第二个RDD实际输出

table1=sc.textFile('inventory').map(lambda line:next(csv.reader([line]))).map(lambda fields:((fields[0],fields[8],fields[10]),1))

table2=sc.textFile('checkouts').map(lambda line:next(csv.reader([line]))).map(lambda fields:((fields[0],fields[3],fields[5]),1))

---

最后，我尝试了以下代码

table3=u'。连接（（table1，table2））.encode（'utf-8'）.strip（）

，以连接table1和table2。但它没有起作用。如果你对这个错误有什么想法，请告诉我

让我们看看我是否了解您需要什么。
您有两个RDD，并且希望基于两个值将它们连接起来。
首先，您可以清除rdd的标题（第一行）。
然后定义联接的键，然后执行联接。
我将使用一种效果稍差但易于理解的清洁方法
（你可以在这里找到一个更有效的方法：）

---

[（（'1928264'，ncpic'），（'1928264'，ncpic'，12/14/2005 05:56:00 PM'），1），（'1928264'，ncpic'，12/14/2005 05:56:00 PM'），1））]

在您的文本文件中似乎存在编码问题……即使我能够从每个RDD中获取值，文本文件也可能存在一些问题？有没有办法解决这个问题？我想联接每个表。@user8371915的可能重复项我使用了正常联接语法，但它发生了相同的错误，所以我尝试了上述语法。

u'。联接（（表1，表2））.encode（'utf-8'）。strip（）

-不是

join

语法。它是一段随机代码，与Spark

连接无关，与名称无关。如果你的代码无论如何都失败了，那么很明显错误不在这里。最好的猜测是在
csv.reader（[line]）
中，因为
csv
reader不支持unicode。最后，如果您试图按原样加入两个
RDD
，那么您没有看到对RDD联接的期望是什么。如果你希望有人能够回答这个问题，请从开始。先生，以上实际输出是输出的一部分。。所以我需要知道的一般方法可以应用于整个csv文件。。但谢谢你的回答。你说的“一般方式”是什么意思？我向您展示了如何使用两个键连接两个RDD。无论RDD的大小如何，这都将起作用。您可以用相同的方法使用更多或更少的键。您还需要什么？很抱歉让您感到困惑，我的意思是我的csv文件中有这么多行，但是当您使用sc.paralleze时，您亲自将值放入其中，所以可以只放入少量数据吗？我使用sc.paralleze从示例数据生成rdd，您不需要使用它，因为您已经加载了rdd，对吗？我还以为你们的问题是连接…是的，没错，我已经做了两个RDD，所以我的问题只是连接每个RDD，但它不起作用。