如何从S3存储桶中读取内容作为URL
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
-
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boto3
或botocore
。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>.*)$' )