AWS Lambda处理多部分表单附件时字符被U+FFFD替换致文件损坏

这个问题的核心原因很明确：你把二进制文件数据当成UTF-8字符串来处理了。Ruby的字符串默认采用UTF-8编码，当遇到无法被UTF-8解析的字节（比如PNG开头的\x89），Ruby会自动把这些无效字节替换成U+FFFD（也就是�），这直接导致了你的PNG文件损坏。

下面是具体的解决步骤和代码示例：

1. 确保Lambda接收的请求体是二进制格式 #

AWS Lambda的API Gateway默认会把二进制请求体编码为Base64，所以第一步要先把event中的body解码为二进制数据，而不是当成字符串处理：

# 从Lambda event中解码Base64格式的请求体
raw_body = Base64.decode64(event['body']) if event['isBase64Encoded']

2. 使用专门的Multipart解析库处理二进制附件 #

手动解析multipart请求很容易出错，推荐用rack内置的Multipart解析器，它能正确保留二进制数据的完整性：
首先在Lambda的部署包中包含rack依赖（可以通过Gemfile打包或使用Lambda层），然后用以下代码解析：

require 'rack/multipart'
require 'base64'
require 'aws-sdk-s3'

def lambda_handler(event:, context:)
  # 解码请求体为二进制流
  raw_body = event['isBase64Encoded'] ? Base64.decode64(event['body']) : event['body']
  
  # 构建Rack请求对象用于解析multipart
  rack_request = Rack::Request.new({
    'rack.input' => StringIO.new(raw_body),
    'CONTENT_TYPE' => event['headers']['Content-Type'] || event['headers']['content-type']
  })
  
  # 解析multipart表单数据
  params = Rack::Multipart.parse_multipart(rack_request)
  
  # 获取附件的二进制数据和文件名（假设表单字段名为file）
  attachment = params['file']
  file_data = attachment[:tempfile].read
  file_name = attachment[:filename]
  
  # 直接上传二进制数据到S3（无需写入本地文件，节省IO开销）
  s3_client = Aws::S3::Client.new
  s3_client.put_object(
    bucket: 'your-target-bucket',
    key: "uploads/#{file_name}",
    body: file_data
  )
  
  { statusCode: 200, body: 'File uploaded successfully' }
end

3. 如果必须写入临时文件，一定要用二进制模式 #

如果你的业务逻辑需要先写入本地文件再上传，绝对不能用文本模式'w'，必须用二进制模式'wb'来写入，这样才能保留原始字节：

# 错误写法（文本模式，会损坏二进制数据）
# File.open('/tmp/file.png', 'w') { |f| f << file_str }

# 正确写法（二进制模式，完整保留原始字节）
File.open('/tmp/file.png', 'wb') { |f| f << file_data }

关键知识点回顾 #

• 二进制文件（如PNG、PDF）不能以UTF-8字符串的形式处理，必须始终以字节流的方式操作
• AWS Lambda搭配API Gateway时，要确保开启二进制媒体类型支持，避免请求体被错误编码
• 解析multipart请求时，使用成熟的库可以避免手动处理带来的编码、边界识别等问题

内容的提问来源于stack exchange，提问作者Avinash142857