Azure Computer Vision OCR识别PDF报UnsupportedMediaType错误求解决

首先得明确：你用的Computer Vision v2.0的OCR端点/vision/v2.0/ocr本身不支持PDF文件——这个接口只针对单张图像（JPG、PNG、BMP等格式）设计，哪怕你把PDF以application/octet-stream的格式传入，它也无法解析，所以会返回UnsupportedMediaType错误。而你把PDF转成图片后正常，也验证了这一点：图像格式是这个端点支持的类型。

要处理PDF文档的文本提取，你需要切换到Azure Computer Vision的Read API（从v3.0版本开始引入，目前稳定版是v3.2），这个API专门支持多页文档（包括PDF、TIFF等格式）的文本识别。下面是具体的解决步骤：

1. 使用正确的Read API端点 #

替换原来的v2.0 OCR端点，改用Read API的分析端点：
https://<your-resource-name>.cognitiveservices.azure.com/vision/v3.2/read/analyze

注意：Read API支持两种处理模式：

• 同步模式：适合单页或小文件（文件大小<20MB，页数<=20），调用后会直接返回结果（如果处理快的话）
• 异步模式：针对大文件或多页文档，调用后会返回一个Operation-Location响应头，你需要轮询这个地址获取最终识别结果

2. 构造正确的请求 #

不管用哪种模式，请求的基本结构如下：

• 请求方法：POST
• 请求头：
  • Ocp-Apim-Subscription-Key: <你的订阅密钥>
  • Content-Type: application/octet-stream（如果直接传文件二进制）或者application/json（如果传文件URL）
• 请求体：直接传入PDF文件的二进制数据

举个curl命令的示例（直接传本地PDF文件）：

curl -X POST "https://<your-resource>.cognitiveservices.azure.com/vision/v3.2/read/analyze" \
  -H "Ocp-Apim-Subscription-Key: <your-key>" \
  -H "Content-Type: application/octet-stream" \
  --data-binary "@your-document.pdf"

3. 处理响应 #

如果是同步模式，响应会直接包含识别出的文本内容；如果是异步模式，响应的Operation-Location头会包含一个类似https://<your-resource>.cognitiveservices.azure.com/vision/v3.2/read/analyzeResults/<operation-id>的地址，你需要用GET请求这个地址，直到返回的status字段变为succeeded，此时就能拿到完整的文本提取结果。

额外说明 #

• 如果你坚持要用v2.0的接口，那只能先把PDF的每一页转成图像（比如用iTextSharp、Ghostscript等工具），再逐页调用OCR接口，这也是你之前测试成功的方式，但显然不如直接用Read API高效。
• Read API不仅支持PDF，还能保留文档的排版结构（比如段落、列表、表格），这是v2.0 OCR不具备的能力。

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