Flask发票识别API在Postman中无法接收原始数据的问题排查

我用Flask搭了个调用Azure Document Intelligence的发票识别API，Postman测试时大部分发票都正常，但特定的Subway发票图片会出问题，报两个错：

"Incorrect format, please input the right format to import"
"TypeError: cannot use a string pattern on a bytes-like object"

问题原因分析 #

1. 特殊格式/编码问题：Subway发票图片可能采用非标准图片编码，或带有额外元数据，转base64后无法被Azure API识别。
2. 冗余文件处理逻辑：当前代码先保存上传文件到本地再读取转base64，这个过程可能损坏特殊格式的文件。
3. API调用方式缺陷：base64编码传递文件存在兼容风险，直接传递字节流的可靠性更高。

解决方案步骤 #

1. 移除冗余的临时文件保存逻辑 #

直接读取上传的文件对象字节流，跳过本地保存步骤，避免文件损坏。

2. 优化Azure API调用方式 #

使用文件字节流直接传入begin_analyze_document，替代base64编码方式。

3. 添加文件格式校验 #

提前校验上传文件的MIME类型，确保是Azure支持的格式（JPG/PNG/PDF等）。

修改后的代码 #

utils.py（新增格式校验函数）

import os
import base64
from urllib.parse import urlparse
from azure.core.credentials import AzureKeyCredential
from azure.ai.documentintelligence import DocumentIntelligenceClient
from magic import from_buffer  # Windows安装：pip install python-magic-bin；Linux/Mac安装：pip install python-magic

def get_client():
    endpoint = "your-azure-endpoint"
    api_key = "your-azure-api-key"
    client = DocumentIntelligenceClient(endpoint=endpoint,credential=AzureKeyCredential(api_key))
    return client

def is_file_or_url(input_string):
    if os.path.isfile(input_string):
        return 'file'
    elif urlparse(input_string).scheme in ['http', 'https']:
        return 'url'
    else:
        return 'unknown'

def is_supported_file(file_obj):
    # 重置文件指针到开头
    file_obj.seek(0)
    mime_type = from_buffer(file_obj.read(), mime=True)
    # Azure支持的文档格式：JPG/PNG/PDF等
    supported_types = ['image/jpeg', 'image/png', 'application/pdf']
    # 重置指针供后续读取
    file_obj.seek(0)
    return mime_type in supported_types

app.py（简化文件处理逻辑）

import os
from flask import Flask, request, jsonify
from azure.ai.documentintelligence.models import AnalyzeDocumentRequest
from utils import get_client, is_supported_file

app = Flask(__name__)

@app.route('/extract_invoice', methods=['POST'])
def extract_invoice():
    # 获取上传文件
    file = request.files.get('file')
    if not file:
        return jsonify({"error": "未上传文件"}), 400

    # 校验文件格式
    if not is_supported_file(file):
        return jsonify({"error": "不支持的文件格式，请上传JPG/PNG/PDF格式文件"}), 400

    model_id = 'prebuilt-invoice'
    document_ai_client = get_client()

    try:
        # 直接传递文件字节流给Azure API，无需转base64
        poller = document_ai_client.begin_analyze_document(
            model_id,
            file,  # Flask的FileStorage对象支持直接传入API
            locale="en-US",
        )
        result = poller.result()
    except Exception as e:
        return jsonify({"error": str(e)}), 500

    # 提取发票详情（原有逻辑保留）
    invoice_details = []
    for document in result.documents:
        document_fields = document['fields']
        fields = document_fields.keys()

        invoice_detail = {}
        for field in fields:
            if field == 'Items':
                items_list = []
                items = document_fields[field]

                for item in items['valueArray']:
                    item_fields = item['valueObject']
                    item_dict = {}
                    for item_field in item_fields.keys():
                        value = item_fields[item_field].get('content', '')
                        item_dict[item_field] = value
                    items_list.append(item_dict)
                invoice_detail[field] = items_list
            else:
                value = document_fields[field].get('content', '')
                invoice_detail[field] = value

        invoice_details.append(invoice_detail)

    return jsonify(invoice_details)

if __name__ == '__main__':
    app.run(debug=True)

额外排查建议 #

• 检查发票图片本身：用图片工具打开确认是否能正常显示，尝试用画图工具重新保存为标准JPG/PNG格式后再测试。
• 查看Azure日志：登录Azure门户，进入Document Intelligence资源的「日志」面板，查看详细错误信息定位问题。
• 调整地区参数：如果Subway发票是其他地区版本，尝试将locale改为对应地区（比如en-GB）。

内容的提问来源于stack exchange，提问作者JaS