Azure Form Recognizer训练报错：InvalidContentSourceFormat问题求助

核心排查方向 #

1. 内容源路径与权限问题 #

• 确认存储账户Blob容器权限：若用Azure Blob存储作为内容源，容器需设为容器或Blob级公共访问（未使用SAS令牌时）；若使用SAS令牌，需确保令牌包含读取和列出权限且有效期未过期。
• 检查内容源URL格式：指向Blob容器的URL需为https://<存储账户名>.blob.core.windows.net/<容器名>格式，无多余路径参数或拼写错误；SAS URL不能有多余空格或特殊字符。

2. 训练数据文件问题 #

• 核对文件类型与数量：Form Recognizer支持PDF、JPG、PNG、TIFF等格式，确保所有文件在支持列表内；训练数据集至少需要2个同类型文件，单文件无法启动训练。
• 排查损坏文件：逐个打开训练数据文件，确认无加密、损坏、无法打开的情况；可尝试移除部分文件后重试，定位是否由特定文件引发问题。
• 规范文件名与路径：文件名和Blob路径避免中文、空格、#、?等特殊字符，建议用英文小写字母、数字和短横线组合命名。

3. 资源配置与API版本问题 #

• 确认Form Recognizer资源SKU层级：免费层（F0）有调用次数和训练时长限制，数据量较大时建议切换到标准层（S0）重试。
• 检查API版本：使用与官方文档一致的训练API版本（推荐2023-07-31或更高），旧版本可能存在格式兼容性问题。

验证与测试步骤 #

1. 手动验证内容源可访问性：用浏览器或curl命令访问内容源URL（含SAS则直接访问），确认能正常列出或下载文件。
2. 简化测试数据集：用2-3个确认无问题的样本文件创建新Blob容器，重新配置内容源发起训练，验证是否能成功运行。
3. 检查训练请求参数：若通过API发起训练，确认请求体中source参数格式正确，无多余引号或转义字符，示例请求体如下：

{
  "source": "https://<存储账户名>.blob.core.windows.net/<容器名>?<SAS令牌>",
  "sourceFilter": {
    "prefix": "train/"
  },
  "useLabelFile": false
}

内容的提问来源于stack exchange，提问作者Guillermo López Gómez