python读取s3存储文件下载

心已赠人 2024-03-16 18:44 79阅读 0赞

你可以使用 `boto3` Python库来进行S3文件的读取和下载。下面是一个基本的示例代码：

import boto3
    
    # 配置S3连接
    s3 = boto3.resource('s3')
    bucket_name = 'your-bucket-name'
    
    # 定义要下载的文件名
    file_key = 'your-file-path-in-s3'
    
    # 下载文件
    s3.Bucket(bucket_name).download_file(file_key, 'local-file-path')

这段代码首先通过`boto3`连接到S3并选择要读取的存储桶，然后定义要下载的文件路径和本地文件路径，并使用`Bucket`对象上的`download_file`方法实现下载。

注意需要安装`boto3`库，可以使用以下命令进行安装：

pip install boto3

如果要读取和下载的文件较大，你可以使用`Range`参数实现分块下载。下面是一个示例代码：

import boto3
    
    # 配置S3连接
    s3 = boto3.client('s3')
    bucket_name = 'your-bucket-name'
    
    # 定义要下载的文件名
    file_key = 'your-file-path-in-s3'
    
    # 定义每次下载的块大小和起始位置，并生成本地文件名
    chunk_size = 1024 * 1024 # 1 MB
    start_byte = 0
    local_file_path = 'local-file-path'
    
    while True:
        # 使用range参数获取要下载的字节范围
        end_byte = start_byte + chunk_size - 1
        range_str = f"bytes={
          start_byte}-{
          end_byte}"
        
        # 下载块并将其追加到本地文件
        resp = s3.get_object(Bucket=bucket_name, Key=file_key, Range=range_str)
        to_write = resp['Body'].read()
        if len(to_write) == 0:
            break
        with open(local_file_path, 'ab') as f:
            f.write(to_write)
        
        # 更新起始位置以准备下一块的下载
        start_byte += chunk_size

这段代码使用了`boto3`的`client`对象，通过设置`range`参数，将文件分块下载，并逐块写入本地文件，因为默认下载工具只会一次加载整个文件从而造成大量内存的占用，降低程序效率和稳定性。

如果你遇到了如下错误：

An error occurred (InvalidArgument) when calling the GetObject operation: Requests specifying a byte-range must include an If-Range header.

这是因为使用了`Range`参数后，必须同时指定一个`If-Range`头信息，指定下载起始位置。你可以使用以下代码添加`If-Range`头信息：

import boto3
    
    # 配置S3连接
    s3 = boto3.client('s3')
    bucket_name = 'your-bucket-name'
    
    # 定义要下载的文件名
    file_key = 'your-file-path-in-s3'
    local_file_path = 'local-file-path'
    
    # 获取文件大小，作为设置`If-Range`头信息的依据
    file_size = s3.head_object(Bucket=bucket_name, Key=file_key)['ContentLength']
    
    # 定义每次下载的块大小，分块下载并追加到本地文件
    chunk_size = 1024 * 1024 # 1 MB
    start_byte = 0
    while True:
        end_byte = start_byte + chunk_size - 1
        range_str = f'bytes={
          start_byte}-{
          end_byte}/{
          file_size}'
        resp = s3.get_object(Bucket=bucket_name, Key=file_key, Range=range_str, IfRange=file_size)
        to_write = resp['Body'].read()
        if len(to_write) == 0:
            break
        with open(local_file_path, 'ab') as f:
            f.write(to_write)
        start_byte += chunk_size

这里我使用了`head_object`来获取文件大小，然后将其作为`If-Range`头信息的值。

如果你遇到了 `botocore.exceptions.ConnectionClosedError` 错误，这通常意味着某些网络问题，或者AWS端点问题，导致连接未能从AWS端点接收到有效的响应，再次请求可能解决问题。

尝试重新运行你的代码或等待一段时间再尝试使用相同的 AWS 凭证登录，看看这些步骤是否能够解决问题。 如果问题仍然存在，你可以尝试以下解决方案：

*  确保您的代码中使用的AWS凭证已授权对S3存储桶和对象进行操作。
 *  确保你的网络连接是稳定的，并且网络设备没有任何故障。
 *  确保AWS的服务可用。你可以在AWS健康状态仪表板上查看AWS服务的当前状态。
 *  通过将 `config` 参数传递给 `boto3.client()` 来增加连接超时或重试次数。例如：

import boto3
    from botocore.config import Config
    
    s3 = boto3.client('s3', config=Config(connect_timeout=10, retries={
        'max_attempts': 5}))

这里将连接超时设置为10秒，并最大重试次数设置为5次。你可以根据需要调整这些参数。

如果你仍然遇到 `botocore.exceptions.ConnectionClosedError` 错误，可以尝试进一步调试网络问题。

在你的代码中添加以下代码打印出调试信息：

import boto3
    import botocore
    from botocore.config import Config
    
    # 定义S3连接配置并开启调试模式
    s3_config = Config(connect_timeout=10,
                       retries={
        'max_attempts': 5},
                       debug={
        'http': {
        'response': True, 'http2': True}})
    
    # 创建S3客户端并使用连接配置
    s3_client = boto3.client('s3', config=s3_config)
    
    try:
        # 尝试访问S3对象
        response = s3_client.get_object(Bucket='my-bucket', Key='mykey')
        print(response)
    except botocore.exceptions.ClientError as e:
        print(f"Got an error: {
          e.response['Error']['Code']}")
        print(f"Debug info: {
          e.response['ResponseMetadata']['HTTPHeaders']}")

以上代码中，我们使用 `botocore.config.Config` 开启了调试模式，并尝试访问 S3 对象。如果访问过程中出现错误，代码将会输出调试信息，从而帮助你进一步检查和解决问题。

当你运行上述代码并遇到 `ConnectionClosedError` 错误时，检查调试输出信息是否包含类似以下内容：

DEBUG - Response headers: {'x-amz-request-id': '...', 'x-amz-id-2': '...', 'content-type': 'application/xml', 'transfer-encoding': 'chunked', 'date': '...', 'server': 'AmazonS3'}, response payload: '<?xml version="1.0" encoding="UTF... (truncated)'

这个输出表示 AWS S3 返回了 XML 格式的错误信息。尝试在 S3 控制台中查找错误代码，或者按错误输出信息提示进一步解决问题。