Azure Functions Python Blob Trigger中InputStream转可操作对象问题咨询

核心逻辑 #

func.InputStream的read()方法返回标准二进制字节流，通过io.BytesIO封装为类文件对象后，可直接对接Python生态所有支持字节输入的工具库，无需落地为本地临时文件。

场景1：转换为Pandas DataFrame #

前置依赖 #

需在项目requirements.txt中添加对应依赖：

pandas>=2.0.0
# 若需要处理Excel文件添加以下依赖
openpyxl>=3.1.0
# 若需要处理parquet文件添加以下依赖
pyarrow>=12.0.0

代码实现（替换原函数中对应占位部分即可） #

import io

### Manipulate with Pandas ###
# 读取字节流封装为类文件对象
blob_byte_stream = io.BytesIO(myblob.read())

# 根据Blob文件格式选择对应pandas读取方法：
# 1. 源文件为CSV格式
df = pd.read_csv(blob_byte_stream)
# 2. 源文件为Excel格式
# df = pd.read_excel(blob_byte_stream)
# 3. 源文件为parquet格式
# df = pd.read_parquet(blob_byte_stream)

# 此处可对df做任意数据处理
# 例如新增列、过滤、聚合等操作
df['processed_flag'] = 1

### Output ###
# 处理后的DataFrame转为csv字符串写入输出Blob
output = df.to_csv(index=False, encoding='utf-8')
outputBlob.set(output)

场景2：转换为图片可操作对象（以JPG/PNG等格式为例） #

前置依赖 #

需在项目requirements.txt中添加依赖：

Pillow>=9.5.0

代码实现 #

import io
from PIL import Image

# 读取字节流封装为类文件对象
blob_byte_stream = io.BytesIO(myblob.read())
# 转为PIL Image可操作对象
img = Image.open(blob_byte_stream)

# 此处可对图片做任意处理
# 例如转灰度、调整尺寸、提取像素矩阵等
img_gray = img.convert('L')

注意事项 #

• 若处理超大体积Blob（超过100MB），建议开启流式读取避免内存溢出，可通过分段读取myblob.read(size)的方式处理
• 不同文件格式的处理逻辑仅需替换对应工具库的读取接口，所有支持类文件对象输入的库都可以直接适配该方案

内容的提问来源于stack exchange，提问作者user2058291