0
尝试将从pdf文件中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,索引失败。从亚马逊云搜索中删除无效字符sdf
如何在发布到搜索结束点之前删除这些无效的文字记录器?
我试过逃跑并更换字符,但没有奏效。
尝试将从pdf文件中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,索引失败。从亚马逊云搜索中删除无效字符sdf
如何在发布到搜索结束点之前删除这些无效的文字记录器?
我试过逃跑并更换字符,但没有奏效。
我已经使用可用的解决方案here
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)
CloudSearch固定的问题,现在 – Guy
的文档均为英文只支持英语。 – Khaleel