Linux环境Azure Function中用pypandoc转换BytesIO格式docx为pdf的问题

你遇到的RuntimeError: source_file is not a valid path报错是因为pypandoc.convert_file仅支持传入本地文件系统路径，无法直接识别BytesIO内存流对象，且该方法会强制读写本地磁盘，不符合无本地存储的Azure Function运行要求。以下是完全基于内存流的可行实现方案：

前置环境准备 #

Linux环境下pandoc转pdf依赖LaTeX渲染引擎，需要提前在你的Azure Function运行镜像中安装以下依赖包：

• pandoc
• texlive-xetex
• texlive-fonts-recommended

如需处理中文等非ASCII字符，还需安装对应字体包，例如fonts-wqy-zenhei（文泉驿开源中文字体）。

代码实现 #

直接用pypandoc的convert_text方法处理内存字节流，全程无本地磁盘读写：

import pypandoc
from io import BytesIO
from azure.storage.blob import BlobServiceClient

# 你的原有Blob下载逻辑
cs = "你的存储账户连接字符串"
container_name = "你的容器名"
source_filename = "源文件.docx"
target_filename = "转换后文件.pdf"

blob_service_client = BlobServiceClient.from_connection_string(cs)
container_client = blob_service_client.get_container_client(container_name)
blob_client = container_client.get_blob_client(source_filename)
streamdownloader = blob_client.download_blob()

stream = BytesIO()
streamdownloader.download_to_stream(stream)

# --------------转换核心逻辑--------------
# 重置docx流指针到起始位置，避免读取空内容
stream.seek(0)
docx_bytes = stream.read()

# 直接转换字节内容，无本地文件操作
pdf_bytes = pypandoc.convert_text(
    source=docx_bytes,
    format="docx",
    to="pdf",
    extra_args=["--pdf-engine=xelatex"]
    # 中文场景可添加字体指定参数：
    # extra_args=["--pdf-engine=xelatex", "-V", "mainfont=WenQuanYi Zen Hei"]
)

# 封装为BytesIO流用于上传
pdf_stream = BytesIO(pdf_bytes)
pdf_stream.seek(0)
# ----------------------------------------

# 上传转换后的pdf到Blob
upload_blob_client = container_client.get_blob_client(target_filename)
upload_blob_client.upload_blob(pdf_stream, overwrite=True)

实现说明 #

• 整个转换过程全部在内存中完成，不会产生任何本地临时文件，完全适配无本地存储的Serverless运行环境
• convert_text方法传入bytes类型的docx内容时，底层会直接通过标准输入传递给pandoc进程，转换后的pdf内容直接从标准输出捕获为bytes返回
• 转换得到的pdf字节可以直接封装为BytesIO对象上传到Azure Blob Storage，无需额外处理

常见问题排查 #

• 如果出现字体缺失报错：可在extra_args中增加字体指定参数，适配你需要的字符集
• 如果转换失败：先确认pypandoc版本≥1.10，旧版本对二进制输入的支持存在缺陷，可执行pip install -U pypandoc升级

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