当我向spark1.6和hadoop2.7提交作业时,在python2.7中不断出现unicodeencodeerror,但是当我在pysparkshell上逐行执行相同的代码时,没有出现相同的错误。
我正在使用 BeautifulSoup
要使用以下代码行获取所有标记并从中获取文本: [r.text for r in BeautifulSoup(line).findAll('ref') if r.text]
我试过以下方法:
设置 export PYTHONIOENCODING="utf8"
使用 r.text.encode('ascii', 'ignore')
也试图申请 sysdefaultencoding('utf-8')
有人能告诉我怎么修吗?下面是错误堆栈:
"/hdata/dev/sdf1/hadoop/yarn/local/usercache/harshdee/appcache/application_1551632819863_0039/container_e36_1551632819863_0039_01_000004/pyspark.zip/pyspark/serializers.py", line 263, in dump_stream
vs = list(itertools.islice(iterator, batch))
File "/home/harshdee/get_data.py", line 63, in get_as_row
return Row(citations=get_citations(line.content), id=line.id, title=line.title)
File "/home/harshdee/get_data.py", line 47, in get_citations
refs_in_line = [r.text for r in BeautifulSoup(line).findAll('ref') if r.text]
File "/usr/lib/python2.7/site-packages/bs4/__init__.py", line 274, in __init__
self._check_markup_is_url(markup)
File "/usr/lib/python2.7/site-packages/bs4/__init__.py", line 336, in _check_markup_is_url
' that document to Beautiful Soup.' % decoded_markup
File "/usr/lib64/python2.7/warnings.py", line 29, in _show_warning
file.write(formatwarning(message, category, filename, lineno, line))
File "/usr/lib64/python2.7/warnings.py", line 38, in formatwarning
s = "%s:%s: %s: %s\n" % (filename, lineno, category.__name__, message)
UnicodeEncodeError: 'ascii' codec can't encode characters in position 21-28: ordinal not in range(128)```
1条答案
按热度按时间kg7wmglp1#
我自己解决了这个问题。我认为问题出在字符串的表示上。
为此,我使用了
repr
返回对象表示的函数。换句话说,它基本上返回string
是统一编码的。我把这个用在
line
变量。