Django处理上传文件生成OCR输出PDF的问题求助

你遇到的错误核心是：create_pdf_output函数需要的是字符串格式的文件系统路径，但你传入的是Django的FieldFile对象，导致类型不匹配。下面是具体的修复步骤和优化建议：

1. 核心修复：获取FieldFile的真实文件路径 #

Django的FieldFile对象自带path属性，它指向文件在服务器本地文件系统中的绝对路径。只需要在调用处理函数时传入这个路径即可解决类型错误：

修改models.py中的save方法 #

def save(self):
    # 传入FieldFile对应的绝对文件路径
    self.pdf_output = create_pdf_output(self.pdf_input.path)
    super(Document, self).save()

同步调整create_pdf_output函数的参数处理 #

现在函数接收的是字符串路径，开头的代码可以简化：

def create_pdf_output(pdf_path):
    # 直接使用传入的路径字符串处理
    pdf_name = os.path.splitext(pdf_path)[0] + "_out.pdf"
    pages = convert_from_path(pdf_path, 500)
    # 后续OCR处理代码保持不变...

2. 优化建议（避免后续生产问题） #

你的代码还有几个潜在隐患，建议一起修复：

• 用临时目录替代硬编码目录：
  硬编码的images和results目录会导致多用户同时操作时文件冲突，改用Python的tempfile模块创建自动销毁的临时目录：

  import tempfile
  
  def create_pdf_output(pdf_path):
      pdf_name = os.path.splitext(pdf_path)[0] + "_out.pdf"
      pages = convert_from_path(pdf_path, 500)
      
      # 创建临时图片目录，退出with块自动删除
      with tempfile.TemporaryDirectory() as img_dir:
          for ind, page in enumerate(pages):
              page.save(os.path.join(img_dir, f'out{ind}.jpg'), 'JPEG')
          
          # 创建临时结果目录
          with tempfile.TemporaryDirectory() as res_dir:
              for ind, img in enumerate(os.listdir(img_dir)):
                  img_rgb = cv2.imread(os.path.join(img_dir, img))
                  # 你的OCR模糊处理代码...
                  cv2.imwrite(os.path.join(res_dir, f'res{ind}.jpg'), img_rgb)
          
              # 从临时目录生成PDF
              with open(pdf_name, 'wb') as f:
                  imgs = [os.path.join(img_dir, fname) for fname in os.listdir(img_dir) if fname.endswith('.jpg')]
                  f.write(img2pdf.convert(imgs))
      # 临时目录自动销毁，无需手动删除
      return pdf_name
  

• 对齐Django媒体文件规范：
  当前生成的pdf_name是绝对路径，而Django的FileField需要存储相对MEDIA_ROOT的路径。可以调整输出路径到媒体目录下：

  from django.conf import settings
  
  def create_pdf_output(pdf_path):
      input_filename = os.path.basename(pdf_path)
      output_filename = os.path.splitext(input_filename)[0] + "_out.pdf"
      # 构建符合Django媒体规范的输出路径
      output_abs_path = os.path.join(settings.MEDIA_ROOT, 'documents', 'outputs', output_filename)
      
      # 后续处理中把pdf_name替换为output_abs_path
      # ... OCR处理代码 ...
      
      # 返回相对MEDIA_ROOT的路径，供FileField存储
      return os.path.join('documents', 'outputs', output_filename)
  

• 添加异常处理：
  OCR处理过程中可能出现文件损坏、转换失败等问题，建议添加异常捕获避免数据库保存失败：

  def save(self):
      try:
          self.pdf_output = create_pdf_output(self.pdf_input.path)
          super(Document, self).save()
      except Exception as e:
          # 可添加日志记录或自定义异常提示
          raise RuntimeError(f"OCR处理失败: {str(e)}")
  

3. 验证修复效果 #

修改完成后，当你创建Document实例并保存时，pdf_input的真实路径会被正确传入处理函数，解决了类型不匹配的错误，同时优化后的代码更适合生产环境的并发场景。

内容的提问来源于stack exchange，提问作者hcacode