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

Question

我正在使用invoice2data库处理发票解析。此库在YAML中具有预定义模板，用于解析发票。但是当我运行示例时，它给了我所有模板的YAML解析错误

运行方式为：

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

我检查了模板。所有都以UTF-8格式有效。 问题似乎与python-yaml包有关。有人遇到过这个问题吗？

Answer 1

您的输入是有效的UTF-8是无关紧要的，因为YAML源应该只接受Unicode代码点的子集（独立于UTF-8或其他一些编码）。

特别是它只支持Unicode的可打印子集和旧的YAML 1.1 specification（PyYAML支持的那个），用以下内容详细说明：

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。必须使用转义序列呈现任何此类字符。

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