问题标签 [unsupportedoperation]

我想将此代码用于我的数据分发，但我无法保存文件，或者当我直接在 python 中运行它时，我收到了这个错误：

输入中不支持的字符

我认为这段代码是在 Windows 环境中生成的，这不适用于 macOSX。我安装了所有必要的软件包。

我正在尝试删除List.

但是，它会引发异常：

这是如何引起的，我该如何解决？

当我尝试将“对象”添加到数据库然后将其显示给 TableView 时，它会显示 UnsupportedOperationException 。一切都很好，直到我将此代码添加到“public void initialize()”以将文本字段设置为“SearchBoxes”：

输出：

清除表（）：

addToTableFromDatabase():

添加数据库（）：

这是一个很好的设计模式来强制一个类不在任何基于散列的集合（HashMap、HashSet等）中使用，还是会产生意想不到的后果？

我在使用 Java FX 时遇到问题，我目前正在尝试序列化一个对象，为此我正在创建一个将对象从 javaFX 转换为可序列化对象的类。但是当我试图加载回对象时，我得到了

导致它的代码：

特别是：

和 OverviewController

第 172 行是：

问题模型类：

我收到 java.lang.UnsupportedOperationException: RectangleReadOnly: this Rectangle is read only。当我尝试创建一个 Rectangle 对象然后旋转它时出现异常。使用的jar文件是-com.lowagie.text-2.1.7.jar

我正在使用 RandomForestCLassifier 构建模型。这是我的代码，

创建的数据框有两个默认列名“_1”和“_2”。“_1”列有标签，“_2”列有训练数据，它们是纯文本句子。我正在执行以下步骤来创建模型，

我知道我每次都可以使用 Pipeline() 方法来代替 transform() ，但我还需要使用我的自定义 POS 标记器，并且在使用自定义转换器持久化管道时存在一些问题。所以我决定使用标准库。我发出以下命令来提交我的 Spark 作业，

当我在本地运行作业时，我将执行程序内存设置为 5g，因为当 spark 在本地模式下运行时，工作程序在驱动程序中运行。

提交 spark 作业时，我的可用物理 RAM 总共 8G 为 6G，因此我将驱动程序内存设置为 5g。最初，我给了 4g，但出现“OutOfMemory”错误，所以我将其更改为 5。我的数据集大小非常小。它包含900条记录，以纯文本句子的形式，文件大小为50Kb。

此错误的可能原因是什么？我尝试减少和增加数据大小，但没有任何反应。谁能让我知道我做错了什么？我需要设置任何其他 conf 变量吗？是不是因为RF？非常感谢任何帮助。我在 4 核的 Windows 机器上使用 PySpark 2.1 和 Python 2.7。

我对这个程序有一个小问题。这是一本约会簿，其想法是能够添加联系人和事件。

这是我的代码的第一部分，也是我遇到问题的部分：

这是我的个人课程：

这部分应该能够创建一个具有姓名、电话和电子邮件属性的新人。问题是当我在我的开关中按 1 添加选项时，我收到以下错误：

我不知道它是逻辑问题还是语法问题。我已经阅读了一些其他问题，有类似问题的人。不同之处在于，所有这些显然都使用 Arrays.asList 属性，如果我理解正确的话，Arrays.asList 不支持添加/删除操作。

关于出了什么问题的任何想法？

提前致谢！如果我的英语不好，对不起。

我有一个将数据添加到列表的代码。我不明白为什么UnsupportedOperationException在一种情况下和 ConcurrentModificationException另一种情况下都会抛出。在这两种情况下，我都在列表中添加数据，然后在迭代列表时尝试删除列表数据。到目前为止，我所读到的是，每当对故障快速收集进行任何修改时，都会ConcurrentModificationException被抛出。那么为什么在这两种情况下会有这种不同的行为呢？

此代码抛出ConcurrentModificationException

而这个抛出UnsupportedOperationException

我有 4 个具有相同 get...() 方法的函数，我只更改名称或标识符，但我得到了与第四个不同的结果，即何时将新项目添加到列表中，它抛出 java.lang.UnsupportedOperationException . 我向你保证，我已经仔细检查了所有 4 个函数及其关系，但不知道为什么第四个函数会这样。

更新堆栈跟踪：