python 去除不可見的控制字符

尤其是在json load的時候，字符串中的不可見控制字符可能會導致錯誤，應該先對字符串進行控制字符過濾。

對網頁文本同樣適用，最好在處理網頁文本時先進性控制字符清洗。

Replace null bytes in html text with space char to walk around lxml bug in _convert_tree func

import re

def remove_control_chars(s):
    control_chars = ''.join(map(unichr, range(0,32) + range(127,160)))
    control_char_re = re.compile('[%s]' % re.escape(control_chars))

    return control_char_re.sub('', s)

cleaned_json = remove_control_chars(original_json)
obj = simplejson.loads(cleaned_json)

參考自：http://stackoverflow.com/questions/21495598/simplejson-encoding-issue-illegal-character