Python-yaml: yaml.reader.ReaderError: недопустимый символ

Question

Я работаю над анализом счетов с использованием библиотеки invoice2data. Эта библиотека имеет предопределенные шаблоны в YAML для анализа счетов. Но когда я запускаю примеры, это дает мне ошибку синтаксического анализа YAML для всех шаблонов

Runnung это как:

invoice2data --input-reader tesseract FlipkartInvoice.pdf

Исключение:

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

В последней строке написано:

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

Я проверил шаблоны. Все они действительны в формате UTF-8.
Кажется, проблема связана с пакетом python-yaml . Кто-нибудь сталкивался с этой проблемой?

Answer 1

То, что ваш ввод действителен, UTF-8 не имеет значения, поскольку источник YAML должен принимать только подмножество кодовых точек Unicode (независимо от UTF-8 или какой-либо другой кодировки).

В частности, он поддерживает только печатаемое подмножество Unicode и старая YAML 1.1 спецификация , поддерживаемая PyYAML, уточняет, что с:

Допустимый диапазон символов явно исключаетсуррогатный блок # xD800- # xDFFF, DEL # x7F, блок управления C0 # x0- # x1F (за исключением # x9, #xA и #xD), блок управления C1 # x80- # x9F, #xFFFE и #xFFFF.Любые такие символы должны быть представлены с помощью escape-последовательностей.

Таким образом, непечатная кодовая точка «BREAK PERMITTED HERE», 0x0082 явно запрещена (и это не одна из тех вещей, которые PyYAML должен разрешать, ноне делает).