Я хочу проанализировать PDF-файлы в моей программе hadoop 2.2.0, и я нашелэтот, следуя тому, что он говорит, и до сих пор у меня есть эти три класса:

PDFWordCount основной класс, содержащий карту и функции сокращения. (какродной счетчик слов образец, но вместоTextInputFormat Я использовал свойPDFInputFormat учебный класс.:

PDFRecordReader extends RecordReader Какая основная работа здесь. Особенно я поставил свойinitialize функция здесь для большей иллюстрации.

public void initialize(InputSplit genericSplit, TaskAttemptContext context)
      throws IOException, InterruptedException {
      System.out.println("initialize");
      System.out.println(genericSplit.toString());
    FileSplit split = (FileSplit) genericSplit;
    System.out.println("filesplit convertion has been done");
    final Path file = split.getPath();
    Configuration conf = context.getConfiguration();
    conf.getInt("mapred.linerecordreader.maxlength", Integer.MAX_VALUE);
    FileSystem fs = file.getFileSystem(conf);
    System.out.println("fs has been opened");
    start = split.getStart();
    end = start + split.getLength();
    System.out.println("going to open split");
    FSDataInputStream filein = fs.open(split.getPath());
    System.out.println("going to load pdf");
    PDDocument pd = PDDocument.load(filein);
    System.out.println("pdf has been loaded");
    PDFTextStripper stripper = new PDFTextStripper();
    in =
    new LineReader(new ByteArrayInputStream(stripper.getText(pd).getBytes(
        "UTF-8")));
    start = 0;
    this.pos = start;
    System.out.println("init has finished");
  }

(Вы можете увидеть мойsystem.out.printlnдля отладки. Этот метод не в преобразованииgenericSplit вFileSplit, Последнее, что я вижу в консоли, это:

hdfs://localhost:9000/in:0+9396432

который :genericSplit.toString()

PDFInputFormat extends FileInputFormat который просто создаетnew PDFRecordReader вcreateRecordReader метод.

Я хочу знать, в чем моя ошибка?

Нужны ли дополнительные занятия или что-то?