Python-yaml：yaml.reader.ReaderError：不可接受的字符

Question

我正在使用发票2数据库进行发票解析。该库在 YAML 中预定义了模板，用于解析发票。但是当我运行示例时，它给我所有模板的 YAML 解析错误

将其运行为：

invoice2data --input-reader tesseract FlipkartInvoice.pdf

例外：

Traceback (most recent call last):
File "/home/webwerks/.local/bin/invoice2data", line 10, in <module>
sys.exit(main())
File "/home/webwerks/.local/lib/python3.5/site-packages/invoice2data/main.py", line 191, in main
templates += read_templates()
File "/home/webwerks/.local/lib/python3.5/site-packages/invoice2data/extract/loader.py", line 88, in read_templates
tpl = ordered_load(template_file.read())
File "/home/webwerks/.local/lib/python3.5/site-packages/invoice2data/extract/loader.py", line 36, in ordered_load
return yaml.load(stream, OrderedLoader)
File "/usr/local/lib/python3.5/dist-packages/yaml/__init__.py", line 112, in load
loader = Loader(stream)
File "/usr/local/lib/python3.5/dist-packages/yaml/loader.py", line 44, in __init__
Reader.__init__(self, stream)
File "/usr/local/lib/python3.5/dist-packages/yaml/reader.py", line 74, in __init__
self.check_printable(stream)
File "/usr/local/lib/python3.5/dist-packages/yaml/reader.py", line 144, in check_printable
'unicode', "special characters are not allowed")
yaml.reader.ReaderError: unacceptable character #x0082: special characters are not allowed
in "<unicode string>", position 312

最后一行说：

File "/usr/local/lib/python3.5/dist-packages/yaml/reader.py", line 144, in check_printable
'unicode', "special characters are not allowed")
yaml.reader.ReaderError: unacceptable character #x0082: special characters are not allowed
in "<unicode string>", position 312

我已经检查了模板。所有内容均以 UTF-8 格式有效。
问题似乎出在python-yaml包上。有人遇到过这个问题吗？

Answer 1

您的输入是否有效 UTF-8 无关紧要，因为 YAML 源应该只接受 Unicode 代码点的子集（独立于 UTF-8 或其他某种编码）。

特别是它只支持Unicode 的 可打印子集和旧的YAML 1.1 规范（ PyYAML 支持的规范），详细说明了这一点：

允许的字符范围明确排除代理块 #xD800-#xDFFF、DEL #x7F、C0 控制块 #x0-#x1F（#x9、#xA 和 #xD 除外）、C1 控制块 #x80-# x9F、#xFFFE 和 #xFFFF。任何此类字符都必须使用转义序列来呈现。

因此，不可打印的“BREAK PERMITTED HERE”代码点0x0082显然是不允许的（并且不是 PyYAML 应该允许但不允许的事情之一）。