如何从S3存储桶中读取内容作为URL

发布于 2021-01-29 15:01:39

我在下面有s3存储桶网址

s3_filename是 s3://xx/xx/y/z/ion.csv

如果它是存储桶,我可以阅读以下代码

def read_s3(bucket, key):
        s3 = boto3.client('s3')
        obj = s3.get_object(Bucket=bucket, Key=key)
        df = pd.read_csv(obj['Body'])
        return df
关注者
0
被浏览
76
1 个回答
  • 面试哥
    面试哥 2021-01-29
    为面试而生,有面试问题,就找面试哥。

    由于您似乎正在使用熊猫,因此请注意,它实际上是s3fs在盖子下使用的。因此,如果您的安装相对较新且标准,则可以直接执行以下操作:

    df = pd.read_csv(s3_path)
    

    如果您的存储桶有一些特定的配置,例如特殊凭证,KMS加密等,则可以使用显式配置的s3fs文件系统,例如:

    fs = s3fs.S3FileSystem(
        key=my_aws_access_key_id,
        secret=my_aws_secret_access_key,
        s3_additional_kwargs={
                'ServerSideEncryption': 'aws:kms',
                'SSEKMSKeyId': my_kms_key,
        },
    )
    # note: KMS encryption only used when writing; when reading, it is automatic if you have access
    
    with fs.open(s3_path, 'r') as f:
        df = pd.read_csv(f)
    
    # here we write the same df at a different location, making sure
    # it is using my_kms_key:
    with fs.open(out_s3_path, 'w') as f:
        df.to_csv(f)
    

    就是说,如果您真的很想处理对象,而问题只是关于如何删除潜在的s3://前缀然后进行拆分bucket/key,则可以使用:

    bucket, key = re.sub(r'^s3://', '', s3_path).split('/', 1)
    

    但是,这可能会错过更一般的情况,并通过系统处理公约,如awscli或非常s3fs上面提到的。

    为了更笼统,您可以在中了解他们的操作方式awscli。通常,这样做通常可以很好地表明某些功能是否已经内置boto3botocore。但是,在这种情况下,它似乎没有(查看本地发行版本1.18.126)。他们只是从第一条原则开始这样做:请参见此处awscli.customizations.s3.utils.split_s3_bucket_key实现的内容。

    从该代码中最终使用的正则表达式,您可以推断出这种情况所awscli允许的情况s3_path确实多种多样:

    _S3_ACCESSPOINT_TO_BUCKET_KEY_REGEX = re.compile(
        r'^(?P<bucket>arn:(aws).*:s3:[a-z\-0-9]+:[0-9]{12}:accesspoint[:/][^/]+)/?'
        r'(?P<key>.*)$'
    )
    


知识点
面圈网VIP题库

面圈网VIP题库全新上线,海量真题题库资源。 90大类考试,超10万份考试真题开放下载啦

去下载看看