HTTP请求边界干扰PDF解码：如何分离有效PDF内容

问题根源 #

你直接对整个request.content进行Base64解码，但该变量包含了Multipart请求的边界分隔符、表单字段头和Base64编码的PDF内容，解码时会把非Base64的边界/头信息一起处理，导致PDF文件损坏。

解决方案：解析Multipart结构，单独提取文件的Base64内容 #

要保留多文件的Multipart结构，同时正确解码每个PDF，推荐用Python脚本解析Multipart请求体，提取对应文件字段的Base64内容后单独解码，再重构合法的Multipart请求体用于后续转发。

Python策略代码实现 #

import base64
import email
from email.parser import BytesParser
from email.policy import default

# 获取原请求内容和Content-Type头
request_content = flow.getVariable("request.content")
content_type = flow.getVariable("request.header.Content-Type")

# 解析Multipart请求结构
msg = BytesParser(policy=default).parsebytes(request_content)

# 遍历所有请求部分，处理文件字段
new_parts = []
for part in msg.walk():
    if part.is_multipart():
        continue
    
    # 判断是否为文件上传字段
    disp_header = part.get("Content-Disposition")
    if disp_header and "filename" in disp_header:
        # 提取字段内的Base64编码内容（不解码原始Payload）
        b64_pdf = part.get_payload(decode=False).strip()
        # 解码Base64为二进制PDF
        binary_pdf = base64.b64decode(b64_pdf)
        
        # 创建新的MIME部分，替换为二进制PDF内容
        new_part = email.mime.base.MIMEBase("application", "pdf")
        new_part.set_payload(binary_pdf)
        # 保留原字段的文件名、名称等头信息
        new_part.add_header("Content-Disposition", disp_header)
        new_part.set_type("application/pdf")
        new_parts.append(new_part)
    else:
        # 非文件字段直接保留原内容
        new_parts.append(part)

# 重构Multipart请求体，保留原边界
new_msg = email.mime.multipart.MIMEMultipart(boundary=msg.get_boundary())
for part in new_parts:
    new_msg.attach(part)

# 将处理后的请求体存入变量，后续转发时使用
flow.setVariable("modified.request.content", new_msg.as_bytes())

代码说明 #

1. 解析Multipart结构：利用Python内置的email模块自动处理边界分隔和字段拆分，避免手动正则匹配的不可靠性。
2. 识别文件字段：通过Content-Disposition头中的filename标识判断是否为文件上传字段。
3. 解码并替换内容：提取字段内的纯Base64字符串，解码为二进制PDF后，创建新的MIME部分替换原字段内容。
4. 重构请求体：保留原Multipart边界和非文件字段，确保后续转发的请求结构符合多文件上传要求。

替代方案：正则提取单个文件的Base64（适合单文件场景） #

如果仅需处理单个文件，可使用Apigee的Extract Variables策略结合正则提取纯Base64内容：

1. 在策略中配置正则表达式：

   --Boundaryy\r\nContent-Disposition: form-data; name="testdu12janvier"; filename="testdu12janvier.pdf"\r\n\r\n(.*?)\r\n--Boundaryy--
   

2. 将提取到的分组内容存入变量（比如pdf.b64.content）。
3. 在Python策略中仅对该变量解码：

   import base64
   pdf_b64 = flow.getVariable("pdf.b64.content")
   pdf_binary = base64.b64decode(pdf_b64.strip())
   flow.setVariable("pdfFileDecoded", pdf_binary)
   

   注意：该方法仅适用于固定字段名和边界的单文件场景，多文件场景推荐使用Python解析Multipart的方案。

内容的提问来源于stack exchange，提问作者Zyoumir