如何使用Google Cloud Vision读取多页PDF并解决代码报错与单页识别问题

当前尝试使用Google Cloud Vision API读取多页PDF文件，仅能读取PDF的第一页，同时代码运行触发报错，附相关物料如下：

你遇到的索引越界报错是因为代码硬编码取下标为0的响应元素，当请求返回的响应列表为空、或返回的结构不符合预期时就会触发该问题。
你需要将代码中直接取response.responses[0]的逻辑替换为遍历所有响应元素，示例修改如下：

# 原错误写法（示例）
# page_text = response.responses[0].responses[0].full_text_annotation.text

# 修正后的写法
full_text = ""
for file_resp in response.responses:
    for page_resp in file_resp.responses:
        full_text += page_resp.full_text_annotation.text + "\f" # 用换页符分隔不同页面内容

Google Cloud Vision API默认仅处理PDF的第一页，要读取全页内容需要在构造请求时新增pages参数指定要处理的页码：

1. 先统计待处理PDF的总页数，如果你不确定总页数可以用PyPDF2等工具提前读取
2. 构造请求时添加pages字段，单次请求最多支持处理100页，超过100页需要分批请求

示例请求构造代码：

from google.cloud import vision

client = vision.ImageAnnotatorClient()

# 配置输入输出
gcs_source = vision.GcsSource(uri="gs://你的桶地址/目标文件.pdf")
input_config = vision.InputConfig(gcs_source=gcs_source, mime_type="application/pdf")
gcs_destination = vision.GcsDestination(uri="gs://你的桶地址/输出路径/")
output_config = vision.OutputConfig(gcs_destination=gcs_destination, batch_size=100)

# 这里替换为你实际的PDF总页数，单次请求最多填100
total_pages = 50
request = vision.AsyncAnnotateFileRequest(
    features=[{"type_": vision.Feature.Type.DOCUMENT_TEXT_DETECTION}],
    input_config=input_config,
    output_config=output_config,
    pages=list(range(1, total_pages + 1)) # 关键：指定要处理的所有页码
)

# 发起异步请求
operation = client.async_batch_annotate_files(requests=[request])
response = operation.result(timeout=600)

# 合并所有页面文本
full_pdf_text = ""
for file_response in response.responses:
    for page_response in file_response.responses:
        full_pdf_text += page_response.full_text_annotation.text + "\n--- 分页符 ---\n"

如果PDF页数超过100，把页码列表拆分为多个长度为100的子列表，依次发起请求再合并所有结果即可。

内容的提问来源于stack exchange，提问作者12345