使用 Node JS（fs 和 http）保存后无法打开 JPG 或 PNG

Question

我的代码的目标是 1)用户将发送图像 URL 2)机器人读取 URL 3)机器人将图像保存到“images”文件夹中 4)机器人使用 tfjs 将图像转换为张量 5)机器人使用COCO-SSD JS作为预训练模型（以图像张量为参数）并打印然后发送结果。现在，我的问题是，每当我尝试使用图像的 URL 保存图像时，我都会得到一个程序和 Windows 都无法读取的文件！它工作过一次，能够打开和使用文件。但现在返回 Windows 10 无法读取 .PNG 或 .JPG 文件的文件。这是我的代码：    const {Client, MessageAttachment} = require('discord.js');    const bot = new Client();    const tf = require('@tensorflow/tfjs-node');    const ts = require('@tensorflow/tfjs-core');    require('@tensorflow/tfjs-backend-cpu');    require('@tensorflow/tfjs-backend-webgl');    const coco = require('@tensorflow-models/coco-ssd');    const fs = require('fs');    const fetch = require("node-fetch");    const https = require('https');    const request = require('request');      bot.on('message', gotMessage);    function gotMessage(msg) {        if(msg.content === '!object')  {               const attachments = (msg.attachments).array();            const filepath = "./images/" + Date.now() + "J" + ".jpg";            console.log(filepath);            const imageurl = attachments[0].url;            saveImageToDisk(imageurl,filepath)            const img_buffer = fs.readFileSync(filepath)            const img = tf.node.decodeImage(img_buffer)            coco.load().then(model => {                // detect objects in the image.                model.detect(img).then(predictions => {                    console.log('Predictions: ', predictions);                });              });            msg.reply('Enjoy');            msg.channel.send(attachments[0].url);        }    }    function saveImageToDisk(url,path) {        var fullUrl = url;        var localPath = fs.createWriteStream(path);        var request = https.get(fullUrl,function(response) {             console.log(response)            response.pipe(localPath)        });    }PS：后面的“J”Date.now()是有意的。

Answer 1

我看到的是你的应用程序完全不同步 - 我的意思是

你有saveImageToDisk(imageurl,filepath)它将文件写入磁盘，但它执行，将文件写入队列，aa，然后你用同步读取（尚未保存）文件。

我将尝试对它进行一些修复，以向您展示至少一种执行此操作的方法 - 但在规划应用程序的流程时，您需要考虑代码中的一些同步。

console.log('Authenticating bot...');

const {Client, MessageAttachment} = require('discord.js');

const bot = new Client();

const tf = require('@tensorflow/tfjs-node');

const ts = require('@tensorflow/tfjs-core');

require('@tensorflow/tfjs-backend-cpu');

require('@tensorflow/tfjs-backend-webgl');

const coco = require('@tensorflow-models/coco-ssd');

const fs = require('fs');

const fetch = require("node-fetch");

const https = require('https');

const request = require('request');

bot.login('BOTTOKEN');

bot.on('ready', readyDiscord);

function readyDiscord() {

    console.log('Authenticated and On!');

}

bot.on('message', gotMessage);

async function gotMessage(msg) {

    if(msg.content === '!object')  {   

        const attachments = (msg.attachments).array();

        const filepath = "./images/" + Date.now() + "J" + ".jpg";

        console.log(filepath);

        const imageurl = attachments[0].url;

        await saveImageToDisk(imageurl,filepath)

        const img_buffer = fs.readFileSync(filepath)

        const img = tf.node.decodeImage(img_buffer)

        coco.load().then(model => {

            // detect objects in the image.

            model.detect(img).then(predictions => {

                console.log('Predictions: ', predictions);

            });

          });

        msg.reply('Enjoy');

        msg.channel.send(attachments[0].url);

    }

}

async function saveImageToDisk(url,path) {

  return new Promise((resolve, reject) => {

    var fullUrl = url;

    var localPath = fs.createWriteStream(path);

    var request = https.get(fullUrl,function(response) { 

        console.log(response)

        response.pipe(localPath)

        response.on('end', resolve);

    }).on('error', reject);

  });

}

这样，在执行读取尚未填充的文件的代码之前，代码将等待，直到文件被写入（或发生错误） - 您当然应该尝试捕获错误并处理它们。