python - 有没有一种方法可以处理 Blob 存储中的 PDF 文件，而无需使用 Python 将它们下载到本地？

Question

总结问题:

我正在尝试将多个 PDF 处理为用 Python 编写的 OCR 程序。在本地开发期间，PDF 位于可以处理的本地目录中，但我无法在 Blob 存储中找出类似路径的文件系统。从技术上讲，我知道 Blob 中没有这样的文件系统，但我需要在 OCR 程序中传递这样的路径。我们有什么方法可以实现这一目标吗？

我尝试过的:

目前，我有以下代码来连接到 azure.py 中的容器和 blob:

import os
import glob
from azure.storage.blob import BlobServiceClient, BlobClient, ContainerClient, PublicAccess

# list input PDF files 
def ls_files(client, path, recursive=False):
    if not path == '' and not path.endswith('/'):
        path += '/'

    blob_list = client.list_blobs(name_starts_with=path)
    files = []
    for blob in blob_list:
        relative_path = os.path.relpath(blob.name, path) # blob.name is the name of blobs in containers
        if recursive or not '/' in relative_path:
            files.append(relative_path)
            files = [f for f in files if f.endswith('.pdf')] # look for PDF files 
    return files

# connection string to the storage account
connect_str = '<connection string>'
# same container but different folders for inputs and outputs 
container_name = 'ocr'

blob_service_client = BlobServiceClient.from_connection_string(connect_str)
client = blob_service_client.get_container_client(container_name)

input_files = ls_files(client, '', recursive=True) # This is the input PDF files 

for files in input_files:
    ############################
    # kick off OCR program here#
    ############################ 
    print('Processing ...', files, '\n')

在main.py文件中:

import azure as az 

input_directory = az.input_files # input_directory was like '/Users/xyz/path/to/local/dir'

# do regular OCR processing next 

执行脚本后，Python 无法识别 Blob 存储中的文件或路径。有什么方法可以实现我们的目标吗？提前致谢。

编辑1:

我遇到了this sample code但恐怕这是针对旧版本的 Python SDK，而不是针对 V12。也一直在看官方repo但没有效果。

编辑2:

好的。已开票here向 MSFT 团队寻求帮助，一旦我了解更多信息，我将在此处更新。解决方法是 1) 将文件下载为内存流或 2) 在 Python 中创建一个临时文件作为占位符。欢迎任何建议。

Answer 1

除了使用 Azure 存储 BLOB，您还可以使用 Azure 存储文件共享，还可以使用用于 OCR 的 Azure 认知服务计算机视觉 API https://learn.microsoft.com/en-us/azure/cognitive-services/computer-vision/concept-recognizing-text