[尝试将从pdf文件提取的数据发布到亚马逊云搜索域进行索引时,由于数据中的无效字符,因此索引编制失败。
在发布到搜索端点之前,如何删除这些无效的字符?
我尝试转义并替换字符,但没有用。
我已使用可用的解决方案here解决了问题>
RE_XML_ILLEGAL = u'([\u0000-\u0008\u000b-\u000c\u000e-\u001f\ufffe-\uffff])' + \
u'|' + \
u'([%s-%s][^%s-%s])|([^%s-%s][%s-%s])|([%s-%s]$)|(^[%s-%s])' % \
(unichr(0xd800),unichr(0xdbff),unichr(0xdc00),unichr(0xdfff),
unichr(0xd800),unichr(0xdbff),unichr(0xdc00),unichr(0xdfff),
unichr(0xd800),unichr(0xdbff),unichr(0xdc00),unichr(0xdfff))
x = u"<foo>text\u001a</foo>"
x = re.sub(RE_XML_ILLEGAL, "?", x)
在将文档上传到CloudSearch时(使用aws sdk / json)时出现这样的错误: