hadoop web中查看文件内容乱码解决

浅见池也

　　错误描述：在50075查看hdfs数据文件中有 & 符号时，中文数据乱乱码
　　错误原因：系统默认字符集：Charset.defaultCharset().name() 为UTF-8，但是在系统在web程序中取出得编码值为：US-ASCII。在字符串编码时，默认使用的是US-ASCII字符集，该字符集应该是UTF-8子集中的单字符集，导致中文无法由byte拼装还原。
　　参考：String类
　　public String(byte bytes[], int offset, int length)
　　public byte[] getBytes()
　　URL地址：http://datanode:50075/browseBlock.jsp?blockId=1073779813&blockSize=15&genstamp=1099511816876&filename=%2Ftmp%2Fwankun%2Faccountinput%2Fd&datanodePort=50010&namenodeInfoPort=50070&nnaddr=192.168.39.123:8020
　　
问题解决：
　　包：hadoop-common-2.3.0-cdh5.0.1.jar
　　类：org.apache.hadoop.http.HtmlQuoting 
　　修改代码：
　　public static String quoteHtmlChars(String item) {
　　if (item == null) {
　　return null;
　　}
　　byte[] bytes = item.getBytes(Charsets.UTF_8);
　　if (needsQuoting(bytes, 0, bytes.length)) {
　　ByteArrayOutputStream buffer = new ByteArrayOutputStream();
　　try {
　　quoteHtmlChars(buffer, bytes, 0, bytes.length);
　　return buffer.toString("UTF-8");
　　} catch (IOException ioe) {
　　// Won't happen, since it is a bytearrayoutputstream
　　}
　　return item;
　　} else {
　　return item;
　　}
　　}
　　备注：
　　1. UTF-8=｛US-ASCII + 多字符集｝
　　2. 字符串解码还原时，使用的是UTF-8字符集
　　3. 单独测试，系统默认用UTF-8进行编码，但是HtmlQuoting中却用US-ASCII编码