python - example - Leer el contenido del archivo desde el cubo S3 con boto3

python s3 bucket

Question

Leí los nombres de archivo en mi cubo S3 haciendo

objs = boto3.client.list_objects(Bucket=''my_bucket'')
    while ''Contents'' in objs.keys():
        objs_contents = objs[''Contents'']
        for i in range(len(objs_contents)):
            filename = objs_contents[i][''Key'']

Ahora, necesito obtener el contenido real del archivo, de manera similar a un open(filename).readlines() . ¿Cuál es la mejor manera?

Answer 1

Cuando desee leer un archivo con una configuración diferente a la predeterminada, siéntase libre de usar mpu.aws.s3_read(s3path) directamente o el código copiado:

def s3_read(source, profile_name=None):
    """
    Read a file from an S3 source.

    Parameters
    ----------
    source : str
        Path starting with s3://, e.g. ''s3://bucket-name/key/foo.bar''
    profile_name : str, optional
        AWS profile

    Returns
    -------
    content : bytes

    botocore.exceptions.NoCredentialsError
        Botocore is not able to find your credentials. Either specify
        profile_name or add the environment variables AWS_ACCESS_KEY_ID,
        AWS_SECRET_ACCESS_KEY and AWS_SESSION_TOKEN.
        See https://boto3.readthedocs.io/en/latest/guide/configuration.html
    """
    session = boto3.Session(profile_name=profile_name)
    s3 = session.client(''s3'')
    bucket_name, key = mpu.aws._s3_path_split(source)
    s3_object = s3.get_object(Bucket=bucket_name, Key=key)
    body = s3_object[''Body'']
    return body.read()

Answer 2

boto3 ofrece un modelo de recurso que facilita tareas como iterar a través de objetos. Desafortunadamente, StreamingBody no proporciona readline o readlines .

s3 = boto3.resource(''s3'')
bucket = s3.Bucket(''test-bucket'')
# Iterates through all the objects, doing the pagination for you. Each obj
# is an ObjectSummary, so it doesn''t contain the body. You''ll need to call
# get to get the whole body.
for obj in bucket.objects.all():
    key = obj.key
    body = obj.get()[''Body''].read()