Chat Nio 配置自定义文件解析服务报错网络错误的可能情况 - possible errors for configuring the custom file parsing service

[dqzboy]

chatnio-blob-service部署完成后，前端访问上传图片正常，但是chatnio的后台配置地址上传图片直接报错，日志也没有看到相关的信息输出

chatnio-blob-service使用docker部署
chatnio通过docker部署或者编译部署都提示网络错误

[zmh-program]

Please provide your browser logs, the possible factors for this issue are:

1. Mix Content Error: Browser does not allow HTTPS sites to initiate HTTP requests
2. CORS Issue: This is not an issue by default, but if you have misconfigured cross-domain resource sharing, this may cause this issue.

[dqzboy]

谢谢，已解决

[zmh-program]

marked as pinned issue

[kitaev-chen]

谢谢，已解决

??? 怎么解决的

[zmh-program]

谢谢，已解决

??? 怎么解决的

我建议你提供一下你的信息，这样没有任何有用信息呢

[dqzboy]

谢谢，已解决

??? 怎么解决的

跨域问题，直接配置为公网地址或者nginx代理一下

[kitaev-chen]

谢谢，已解决

??? 怎么解决的

跨域问题，直接配置为公网地址或者nginx代理一下

谢谢。如果只是想 localhost 的实验下，不知有没有解决方案。我是将 blob service 整合进 searxng 的 compose 文件里 （带caddy），然后设置 - CORS_ALLOW_ORIGINS=* ，结果还是不行。

[zmh-program]

F12，看一下请求报错的是什么。

[kitaev-chen]

F12，看一下请求报错的是什么。

多谢提醒，很有帮助。host.docker.internal 之类的问题，其实 compose 里已经改为局域网 ip 重启了，居然是 F5 刷新不行，需要关闭标签再打开。

小文件基本没问题了，9 页的 paper 还是报错：
400 Client Error: Bad Request for url: http://192.168.xxx:xxx/ocr/predict-by-file

[zmh-program]

400 Client Error 这个是paddleocr-api的bug吧。

[kitaev-chen]

有可能，不知道能不能把 paddleocr 换成 zerox

[zmh-program]

来提一个新issue，也欢迎来pr。

[kitaev-chen]

400 Client Error 这个是 paddleocr-api 的 bug 吧。

搞清楚了，我测试的 pdf 抽取 image 之后有各种格式，比如 jpeg， jb2 什么的，前者 paddleocr-api 不支持，后者 blob-service 判断不是图片。难怪各种问题。

[zmh-program]

400 Client Error 这个是 paddleocr-api 的 bug 吧。

搞清楚了，我测试的 pdf 抽取 image 之后有各种格式，比如 jpeg， jb2 什么的，前者 paddleocr-api 不支持，后者 blob-service 判断不是图片。难怪各种问题。

涨见识了。我修复一下后者。

[zmh-program]

不对不对，你给我绕晕了哈哈哈。这个问题应该不是 blob 的检测器问题。 （不过我再加下这些格式的支持， 直接上传还是会有影响的）

我回去看了一下pdf里抽取image的逻辑，调用get_images后没有做判断。

blob-service/handlers/pdf.py

Lines 30 to 49 in 726ad05

	for image_instance in page.get_images(full=True): # get all images on the page
	cursor += 1
	xref = image_instance[0] # get the xref of the image
	image = doc.extract_image(xref) # extract the image
	data = image['image'] # get the image data
	suffix = image.get('ext', '') # get the image extension
	image_name = f"{filename}_extracted_{cursor}.{suffix}" # create a name for the image
	io = BytesIO(data)
	io.name = image_name
	io.seek(0)
	# create a file-like object for the image
	image_file = UploadFile(io, filename=image_name)
	stack.append(await process_image(image_file, enable_ocr=enable_ocr, enable_vision=enable_vision, not_raise=True))
	print(f"[pdf] extracted image: {image_name} (page: {page.number}, cursor: {cursor}, max: {PDF_MAX_IMAGES})")
	if PDF_MAX_IMAGES != -1 and cursor >= PDF_MAX_IMAGES:
	break

image.py实现process的逻辑，并没有is_image的判断。

blob-service/handlers/image.py

Lines 21 to 32 in 726ad05

	async def process(file: UploadFile, enable_ocr: bool, enable_vision: bool, not_raise: bool = False):
	"""Process image."""
	if enable_ocr:
	return create_ocr_task(file)
	if not enable_vision:
	if not not_raise:
	return ""
	raise ValueError("Trying to upload image with Vision disabled.")
	return await process_image(file)

至于image suffix checker在哪呢，应该是只有在processor.py中的switch实现里, process 是没有做判断的。

blob-service/handlers/processor.py

Lines 57 to 62 in 726ad05

	elif image.is_image(filename):
	return "image", await image.process(
	file,
	enable_ocr=enable_ocr,
	enable_vision=enable_vision,
	)

[kitaev-chen]

哦哦，多谢啦！我也是粗略看了一眼，不过加上更全点也挺好的。不知道paddleocr那支持多少，我回头也改改PaddleOCRFastAPI那边看。