【AWS获取S3中所有相关文件路径】

原创

已于 2022-05-01 21:53:31 修改 · 2.4k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#wpf #linq #c#

于 2022-05-01 21:33:05 首次发布

在AWS Sagemaker中，由于S3没有文件夹概念，需用不同方式获取文件路径。本文介绍了如何使用boto3 Python库从S3桶中获取带有特定前缀的对象路径。首先通过boto3创建S3资源，然后过滤并列出匹配前缀的文件路径，最后移除根目录路径。

在做数据预处理的时候, 先是在local实现, 使用了os去获取单个文件夹下所有文件的路径然后去处理.

def get_file_list(mainfile):
path_list = []
for doc in os.listdir(mainfile):
newpath = os.path.join(mainfile, doc)
if os.path.isfile(newpath):
path_list.append(newpath)
return path_list
1
2
3
4
5
6
7
然而在将代码转移到AWS Sagemaker时当然就不能使用os去获取路径了. 要理解的是S3是没有folder的概念的, 虽然我们在S3的console里面可以看到类似folder的结构, 但实际上我们只是在不同object的名称中加了prefix而已. (其实我觉得是一个东西…但亚麻强调没有…那就没有吧)下面是获取一个buket中相关key的所有文件路径的方法

import boto3

def get_file_list(bucket_name, prefix):
s3 = boto3.resource('s3')
bucket=bucket_name
my_bucket = s3.Bucket(bucket)