文档AI处理文档在处理GCS的文档时失败，参数无效。

Question

我得到了一个非常类似于下面的错误，但我不在欧盟：core.exceptions.InvalidArgument: 400请求包含一个无效的参数

当我使用raw_document并处理本地pdf文件时，它工作得很好。但是，当我在GCS位置上指定一个pdf文件时，它会失败。

错误消息：

the processor name: projects/xxxxxxxxx/locations/us/processors/f7502cad4bccdd97
the form process request: name: "projects/xxxxxxxxx/locations/us/processors/f7502cad4bccdd97"
inline_document {
  uri: "gs://xxxx/temp/test1.pdf"
}

Traceback (most recent call last):
  File "C:\Python39\lib\site-packages\google\api_core\grpc_helpers.py", line 66, in error_remapped_callable
    return callable_(*args, **kwargs)
  File "C:\Python39\lib\site-packages\grpc\_channel.py", line 946, in __call__
    return _end_unary_response_blocking(state, call, False, None)
  File "C:\Python39\lib\site-packages\grpc\_channel.py", line 849, in _end_unary_response_blocking
    raise _InactiveRpcError(state)
grpc._channel._InactiveRpcError: <_InactiveRpcError of RPC that terminated with:
        status = StatusCode.INVALID_ARGUMENT
        details = "Request contains an invalid argument."
        debug_error_string = "{"created":"@1647296055.582000000","description":"Error received from peer ipv4:142.250.80.74:443","file":"src/core/lib/surface/call.cc","file_line":1070,"grpc_message":"Request contains an invalid argument.","grpc_status":3}"
>

代码：

   client = documentai.DocumentProcessorServiceClient(client_options=opts)

    # The full resource name of the processor, e.g.:
    # projects/project-id/locations/location/processor/processor-id
    # You must create new processors in the Cloud Console first
    name = f"projects/{project_id}/locations/{location}/processors/{processor_id}"
    print(f'the processor name: {name}')

    # document = {"uri": gcs_path, "mime_type": "application/pdf"}
    document = {"uri": gcs_path}
    inline_document = documentai.Document()
    inline_document.uri = gcs_path
    # inline_document.mime_type = "application/pdf"

    # Configure the process request
    # request = {"name": name, "inline_document": document}
    request = documentai.ProcessRequest(
        inline_document=inline_document,
        name=name
    )    

    print(f'the form process request: {request}')

    result = client.process_document(request=request)

我不认为我在存储桶上有权限问题，因为相同的设置对于同一桶上的文档分类过程很好。

Answer 1

这对于文档AI来说是一个已知的问题，并且已经在这个问题跟踪器中报告过了。不幸的是，目前唯一的解决办法是：

1. 下载您的文件，以字节形式读取该文件，并使用文件()。有关示例代码，请参见文档AI本地处理。
2. 使用文件()，因为默认情况下只接受来自GCS的文件。这是如果您不想做额外的步骤下载文件。

Answer 2

这在5个月后仍然是一个问题，在接受的答案中没有提到的是(我可能错了，但在我看来)批处理只能将它们的结果输出到GCS，所以仍然需要额外的步骤从桶中下载一些东西(不管是选项1下的输入文档，还是选项2下的结果)。更重要的是，如果您不想获得结果，您将不得不在桶中进行清理，因此，在许多情况下，除了结果下载可能小于输入文件下载之外，选项2不会带来太大的优势。

我在Python函数中使用客户端库，并且受到这个问题的影响。我之所以实现选项1，是因为它看起来很简单，而且我一直在等待修复。我还考虑过使用工作流程客户端库来触发运行文档AI进程的工作流，或者调用Document，但这一切都不是最优的。