在云中读取 Azure Blob (PDF) 的最实用方法是什么？

Question

我是一个初学者，以前从未处理过基于云的解决方案。

我的程序使用 PDFBox 库从 PDF 中提取数据并根据数据重命名文件。目前都是本地的，但最终需要部署为 Azure 函数。 PDF 将存储在 Azure Blob 容器中 - Azure Functions 的 Azure Blob 存储触发器是此选择的一个重要原因。

当然，我可以在本地下载 blob 并阅读它，但程序应该只在云中运行。我尝试使用 Java 直接读取 blob，但这会导致乱码数据并且与 PDFbox 不兼容。我现在的计划是将文件临时存储在云中的其他位置（例如 OneDrive、Azure 文件存储）并尝试从那里打开它们。然而，这似乎很快就会变成一个过于混乱的解决方案。我的问题：

(1) 有什么方法可以将 blob 作为文件而不是 CloudBlockBlob 打开，因此不需要此额外步骤？

(2) 如果不是，在这种情况下推荐的临时存储是什么？

(3) 有没有其他方法可以解决这个问题？

Answer 1

由于您正在规划 Azure 功能，您可以使用blob trigger/binding 直接获取字节。然后您可以使用 PDFBox PdfDocument 加载方法直接构建对象PDDocument.load(content)。您不需要任何临时存储来存储文件以加载它。

@FunctionName("blobprocessor")
public void run(
  @BlobTrigger(name = "file",
               dataType = "binary",
               path = "myblob/{name}",
               connection = "MyStorageAccountAppSetting") byte[] content,
  @BindingName("name") String filename,
  final ExecutionContext context
) {
  context.getLogger().info("Name: " + filename + " Size: " + content.length + " bytes");
  PDDocument doc = PDDocument.load(content);
  // do your stuffs
}