时间戳

首页 > 解决方案 > 通过 REST API 下载 .docx 文件

python - 通过 REST API 下载 .docx 文件

问题描述

我正在尝试使用 Adob​​e 的 REST API 导出 PDF > DOCX： https ://documentcloud.adobe.com/document-services/index.html#post-exportPDF

我面临的问题是无法在本地正确保存它（它已损坏）。我找到了另一个具有类似目标的线程，但那里的解决方案对我不起作用。以下是我脚本的相关部分：


    url = "https://cpf-ue1.adobe.io/ops/:create?respondWith=%7B%22reltype%22%3A%20%22http%3A%2F%2Fns.adobe.com%2Frel%2Fprimary%22%7D"

    payload = {}

    payload['contentAnalyzerRequests'] = json.dumps(
        {
            "cpf:engine": {
                "repo:assetId": "urn:aaid:cpf:Service-26c7fda2890b44ad9a82714682e35888"
            },
            "cpf:inputs": {
                "params": {
                    "cpf:inline": {
                        "targetFormat": "docx"
                    }
                },
                "documentIn": {
                    "dc:format": "application/pdf",
                    "cpf:location": "InputFile"
                }
            },
            "cpf:outputs": {
                "documentOut": {
                    "dc:format": "application/vnd.openxmlformats-officedocument.wordprocessingml.document",
                    "cpf:location": docx_filename,
                }
            }
        }
    )

    myfile = {'InputFile': open(filename,'rb')}


    response = requests.request("POST", url, headers=headers, data=payload, files=myfile)
    location = response.headers['location']
    ...
       polling here to make sure export is complete
    ...
    
    if response.status_code == 200:
       print('Export complete, saving file locally.')
       write_to_file(docx_filename, response)



def write_to_file(filename, response):
    with open(filename, 'wb') as f:
        for chunk in response.iter_content(1024 * 1024):
            f.write(chunk)

我认为问题（或至少是解决方案的线索）是在 response.content 的乞求时的以下文本：

--Boundary_357737_1222103332_1635257304781
Content-Type: application/json
Content-Disposition: form-data; name="contentAnalyzerResponse"

{"cpf:inputs":{"params":{"cpf:inline":{"targetFormat":"docx"}},"documentIn":{"dc:format":"application/pdf","cpf:location":"InputFile"}},"cpf:engine":{"repo:assetId":"urn:aaid:cpf:Service-26c7fda2890b44ad9a82714682e35888"},"cpf:status":{"completed":true,"type":"","status":200},"cpf:outputs":{"documentOut":{"cpf:location":"output/pdf_test.docx","dc:format":"application/vnd.openxmlformats-officedocument.wordprocessingml.document"}}}
--Boundary_357737_1222103332_1635257304781
Content-Type: application/octet-stream
Content-Disposition: form-data; name="output/pdf_test.docx"
... actual byte content starts here...

为什么要发送这个？我是否将内容错误地写入文件（我也尝试 f.write(response.content)过，结果相同）。我应该向 Adob​​e 发送不同的请求吗？

标签： pythonrestadobedocx

解决方案

额外的文本实际上是为了让服务器可以一次发送多个文件，请参阅https://stackoverflow.com/a/20321259。基本上，您得到的响应是两个文件：一个名为 的 JSON 文件contentAnalyzerResponse和一个名为output/pdf_test.docx.

您可能可以使用parse_form_datafrom解析文件werkzeug.formparser，如此处所示，我之前已经成功完成过，但我不确定如何让它与多个文件一起使用。

关于您关于剥离内容的问题：根据我上面所说的，是的，像您正在做的那样剥离它是完全可以的。

注意：我建议在文本编辑器中打开文件并检查文件的最后，以确保没有任何额外--Boundary...的内容需要删除。

推荐阅读