web-dev-qa-db-ja.com

boto3を使用してS3バケットからファイルコンテンツを読み取る

S3バケット内のファイル名を読み取ります

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']

ここで、open(filename).readlines()と同様に、ファイルの実際のコンテンツを取得する必要があります。最善の方法は何ですか?

32
mar tin

boto3は、オブジェクトの反復処理などのタスクを簡単にするリソースモデルを提供します。残念ながら、StreamingBodyはreadlineまたはreadlinesを提供しません。

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()
57
Jordon Phillips

また、イテレータをサポートするsmart_openモジュールを検討することもできます。

from smart_open import smart_open

# stream lines from an S3 object
for line in smart_open('s3://mybucket/mykey.txt', 'rb'):
    print(line.decode('utf8'))

およびコンテキストマネージャー:

with smart_open('s3://mybucket/mykey.txt', 'rb') as s3_source:
    for line in s3_source:
         print(line.decode('utf8'))

    s3_source.seek(0)  # seek to the beginning
    b1000 = fin.read(1000)  # read 1000 bytes

https://pypi.org/project/smart_open/smart_openを検索します

10
caffreyd

デフォルトの設定とは異なる設定でファイルを読みたい場合は、 mpu.aws.s3_read(s3path) を直接使用するか、コピーして貼り付けたコードを使用してください。

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()
6
Martin Thoma