Question

是否可以循环访问Amazon S3存储桶中的文件/密钥，读取内容并使用Python计算行数？

例如：

  1. My bucket: "my-bucket-name"
  2. File/Key : "test.txt"

我需要遍历文件＆＃34; test.txt＆＃34;并计算原始文件中的行数。

示例代码：

for bucket in conn.get_all_buckets():
    if bucket.name == "my-bucket-name":
        for file in bucket.list():
            #need to count the number lines in each file and print to a log.

Answer 1

使用boto3，您可以执行以下操作：

import boto3

# create the s3 resource
s3 = boto3.resource('s3')

# get the file object
obj = s3.Object('bucket_name', 'key')

# read the file contents in memory
file_contents = obj.get()["Body"].read()

# print the occurrences of the new line character to get the number of lines
print file_contents.count('\n')

如果要对存储桶中的所有对象执行此操作，可以使用以下代码段：

bucket = s3.Bucket('bucket_name')
for obj in bucket.objects.all():
    file_contents = obj.get()["Body"].read()
    print file_contents.count('\n')

以下是对boto3文档的更多功能参考：http://boto3.readthedocs.io/en/latest/reference/services/s3.html#object

更新:(使用boto 2）

import boto
s3 = boto.connect_s3()  # establish connection
bucket = s3.get_bucket('bucket_name')  # get bucket

for key in bucket.list(prefix='key'):  # list objects at a given prefix
    file_contents = key.get_contents_as_string()  # get file contents
    print file_contents.count('\n')  # print the occurrences of the new line character to get the number of lines

Answer 2

Amazon S3只是一种存储服务。您必须获取该文件才能对其执行操作（例如，读取文件数）。

Answer 3

您可以使用boto3 list_objects_v2循环播放存储桶。由于list_objects_v2仅列出最多1000个键（即使您指定了MaxKeys），因此您必须在响应词典中存在NextContinuationToken，然后指定ContinuationToken以阅读下一页。

我在一些答案中编写了示例代码，但我不记得了。

然后使用get_object（）读取文件，并使用simple line count code

（更新）如果您需要特定前缀名称的密钥，则添加PREFIX过滤器。

Answer 4

有时将大文件读取到内存并不理想。相反，您可能会发现以下更多用途：

s3 = boto3.client('s3')
obj = s3.get_object(Bucket='bucketname', Key=fileKey)


nlines = 0
for _ in obj['Body'].iter_lines(): nlines+=1

print (nlines)

是否可以循环使用Amazon S3存储桶并使用Python计算其文件/密钥中的行数？

4 个答案: