如何将JSON转为DocumentAI的Document对象并解决序列化错误

错误原因 #

你直接将Document AI的TextAnchor proto对象赋值给了字典，而json.dumps只能序列化Python原生数据类型（如dict、list、str），无法处理Protobuf生成的自定义对象，因此抛出TypeError: Object of type TextAnchor is not JSON serializable。

解决方案 #

1. 先将TextAnchor转成可序列化的字典 #

使用Google Protobuf提供的MessageToDict方法，把TextAnchor对象转换为Python字典，这样就能正常被JSON序列化。

2. 正确实现Document对象的反向转换 #

修改后的JSON字符串可以通过google.protobuf.json_format.Parse方法解析回Document对象，部分SDK版本也支持直接使用documentai.Document.from_json()。

完整代码示例 #

from google.protobuf.json_format import MessageToDict, Parse
import json
import documentai

# 将原始Document转为JSON字典
doc_json_str = documentai.Document.to_json(result.document)
doc_dict = json.loads(doc_json_str)

# 提取TextAnchor并转为可序列化字典
target_field = result.document.pages[0].form_fields[0].field_value
text_anchor_dict = MessageToDict(target_field.text_anchor)

# 构造自定义entities
entities_list = [{"textAnchor": text_anchor_dict}]
doc_dict["entities"] = entities_list

# 将修改后的字典转回JSON字符串，再解析为Document对象
updated_doc_json_str = json.dumps(doc_dict)
updated_document = Parse(updated_doc_json_str, documentai.Document())

# 若你的DocumentAI版本支持from_json，也可以这样用：
# updated_document = documentai.Document.from_json(updated_doc_json_str)

关于反向转换函数 #

Document AI的Document类本身提供了to_json()方法，对应的反向转换可以通过两种方式实现：

• 使用documentai.Document.from_json(json_str)（部分SDK版本支持，写法更简洁）
• 使用Protobuf通用的google.protobuf.json_format.Parse(json_str, documentai.Document())（兼容性更强）

内容的提问来源于stack exchange，提问作者Asit Panda