Google Colab二次运行脚本遇TypeError：int与JavaObject无法//运算

报错TypeError: unsupported operand type(s) for //: 'int' and 'JavaObject'触发于sc.parallelize(filenames)执行阶段，本质是Spark计算RDD分片数时，需要对输入集合长度做整数除法，但此时filenames已不是纯Python字符串列表——要么混入了JavaObject类型元素，要么变量本身被覆盖为JavaObject。

首次运行正常、二次运行必现，核心原因是Colab全局环境保留了首次运行后的变量状态，导致二次运行时tf.io.gfile.glob返回结果异常，或filenames被后续Spark操作意外修改。

• 强制转换为纯Python字符串列表
  在调用sc.parallelize前，显式将tf.io.gfile.glob结果转为字符串列表，过滤非原生字符串元素：

  raw_filenames = tf.io.gfile.glob("你的路径匹配规则")
  filenames = [str(path) for path in raw_filenames if isinstance(path, (str, bytes))]
  rdd = sc.parallelize(filenames)
  

• 重置全局变量避免污染
  在脚本开头添加变量清理逻辑，防止首次运行的残留变量干扰二次执行：

  if 'filenames' in globals():
      del filenames
  # 重新获取文件名
  filenames = tf.io.gfile.glob("你的路径匹配规则")
  

• 提前验证列表内容
  在创建RDD前添加校验代码，快速定位异常元素：

  # 检查列表本身类型
  print(f"Filenames type: {type(filenames)}")
  # 检查前5个元素的类型与值
  for idx, path in enumerate(filenames[:5]):
      print(f"Element {idx}: type={type(path)}, value={path}")
  # 过滤非字符串元素
  filenames = [p for p in filenames if isinstance(p, str)]
  

• 封装独立函数隔离状态
  将文件名获取逻辑封装为独立函数，避免全局变量污染：

  def get_clean_file_list(path_pattern):
      raw_list = tf.io.gfile.glob(path_pattern)
      return [str(p) for p in raw_list if isinstance(p, str)]
  
  # 每次运行时调用函数获取干净的列表
  filenames = get_clean_file_list("你的路径匹配规则")
  rdd = sc.parallelize(filenames)
  

• Colab的交互式执行环境会保留所有全局变量，二次运行时若未主动清理，极易出现类型覆盖问题。
• Spark上下文初始化后，tf.io.gfile.glob可能返回封装的Java路径对象而非原生字符串，显式转换可彻底规避类型不兼容问题。

内容的提问来源于stack exchange，提问作者Sarangan