有没有办法在 Blob 存储中处理 PDF 文件而不使用 Python 在本地下载它们？

Question

总结问题：

我正在尝试将多个 PDF 处理为用 Python 编写的 OCR 程序。在本地开发期间，PDF 位于可以处理的本地目录中，但我无法在 Blob 存储中找出类似路径的文件系统。从技术上讲，我知道 Blob 中没有这样的文件系统，但我需要在 OCR 程序中传递这样的路径。我们有什么方法可以做到这一点？

我的尝试：

目前我有下面的代码来连接azure.py中的容器和blob：

import os
import glob
from azure.storage.blob import BlobServiceClient, BlobClient, ContainerClient, PublicAccess

# list input PDF files 
def ls_files(client, path, recursive=False):
    if not path == '' and not path.endswith('/'):
        path += '/'

    blob_list = client.list_blobs(name_starts_with=path)
    files = []
    for blob in blob_list:
        relative_path = os.path.relpath(blob.name, path) # blob.name is the name of blobs in containers
        if recursive or not '/' in relative_path:
            files.append(relative_path)
            files = [f for f in files if f.endswith('.pdf')] # look for PDF files 
    return files

# connection string to the storage account
connect_str = '<connection string>'
# same container but different folders for inputs and outputs 
container_name = 'ocr'

blob_service_client = BlobServiceClient.from_connection_string(connect_str)
client = blob_service_client.get_container_client(container_name)

input_files = ls_files(client, '', recursive=True) # This is the input PDF files 

for files in input_files:
    ############################
    # kick off OCR program here#
    ############################ 
    print('Processing ...', files, '\n')

在main.py 文件中：

import azure as az 

input_directory = az.input_files # input_directory was like '/Users/xyz/path/to/local/dir'

# do regular OCR processing next 

执行脚本后，Python 无法识别 Blob 存储中的文件或路径。有没有办法可以在这里实现目标？提前致谢。

编辑 1：

我遇到了this sample code，但恐怕这是针对旧版本的 Python SDK 而不是 V12。也一直在看官方repo，但无济于事。

编辑 2：

好的。打开票 here 寻求 MSFT 团队的帮助，一旦我了解更多信息，将在此处更新。解决方法是 1) 将文件下载为内存流或 2) 在 Python 中创建一个临时文件作为占位符。欢迎提出任何建议。

Answer 1

除了使用 Azure 存储 BLOB，您还可以使用 Azure 存储文件共享，也可以使用用于 OCR 的 Azure 认知服务计算机视觉 API https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/concept-recognizing-text