第一个里面一直有段代码贴不进去，虽然它不是需要调用的代码，但这里还是贴上，以免以后疑惑。这段代码是对字符串式的xml进行解析，是我测试用的，可以不用管。然后整个环境是基于Hadoop2.x的，有些API有改变，请注意

* @param xmlString
         * @param conf
         * @return conf
         * @throws IOException
         * @throws DocumentException
         */
        public static Configuration getXmlParse(String xmlString, Configuration conf)
                        throws IOException, DocumentException {

                // use dom4j to parse String to xml,then parse the xml
                Document doc = DocumentHelper.parseText(xmlString);

                Element root = doc.getRootElement();
                String messageNum = "";
                String messageLength = "";
                for (Iterator j = root.elementIterator("property"); j.hasNext();) {
                        Element property = (Element) j.next();
                        if (property.element("name").getText().equals("messageNum")) {
                                messageNum = property.element("value").getText();
                        } else {
                                messageLength = property.element("value").getText();
                        }
                        conf.set(messageNum, messageLength);
                }

                return conf;
        }
}
复制代码

问津少年 发表于 2016-11-17 08:47
可以使用Apache Tika

谢谢，找到了个相关的帖子。

Kevin517 发表于 2016-11-12 15:23
楼主你好，
如果我要使用 在 HDFS上 .doc/ .pdf 的文件该如何操作呢？？？

可以使用Apache Tika

楼主你好，
如果我要使用 在 HDFS上 .doc/ .pdf 的文件该如何操作呢？？？

学习了，很不错