我正在将文件从 S3 复制到 Cloudfiles，并且我想避免将文件写入磁盘。 Python-Cloudfiles 库有一个 object.stream() 调用，看起来是我需要的，但我在 boto 中找不到等效调用。我希望我能够做类似的事情：
shutil.copyfileobj(s3Object.stream(),rsObject.stream())
boto（或者我想任何其他 s3 库）可以做到这一点吗？
【问题讨论】：
标签： python amazon-s3 boto rackspace cloudfiles
此线程中的其他答案与 boto 有关，但 S3.Object 在 boto3 中不再可迭代。因此，以下内容不起作用，它会产生 TypeError: 's3.Object' object is not iterable 错误消息：
s3 = boto3.session.Session(profile_name=my_profile).resource('s3')
s3_obj = s3.Object(bucket_name=my_bucket, key=my_key)
with io.FileIO('sample.txt', 'w') as file:
for i in s3_obj:
file.write(i)
在 boto3 中，对象的内容可在 S3.Object.get()['Body'] 获得，这是自版本 1.9.68 以来的可迭代但以前不是。因此，以下内容适用于最新版本的 boto3，但不适用于早期版本：
body = s3_obj.get()['Body']
with io.FileIO('sample.txt', 'w') as file:
for i in body:
file.write(i)
因此，对于较旧的 boto3 版本，另一种选择是使用 read 方法，但这会将整个 S3 对象加载到内存中，这在处理大文件时并不总是可能的：
body = s3_obj.get()['Body']
with io.FileIO('sample.txt', 'w') as file:
for i in body.read():
file.write(i)
但是read 方法允许传入amt 参数，指定我们要从底层流中读取的字节数。可以重复调用此方法，直到读取整个流：
body = s3_obj.get()['Body']
with io.FileIO('sample.txt', 'w') as file:
while file.write(body.read(amt=512)):
pass
深入botocore.response.StreamingBody代码一发现底层流也是可用的，所以我们可以迭代如下：
body = s3_obj.get()['Body']
with io.FileIO('sample.txt', 'w') as file:
for b in body._raw_stream:
file.write(b)
在谷歌搜索时，我还看到了一些可以使用的链接，但我没有尝试过：
【讨论】：
StreamingBody，这是否意味着HTTP 连接没有终止？还是流媒体体被缓冲了？
botocore.response.StreamingBody 现在为此目的公开了iter_chunks 和iter_lines。
boto 中的 Key 对象，代表 S3 中的对象，可以像迭代器一样使用，因此您应该能够执行以下操作：
>>> import boto
>>> c = boto.connect_s3()
>>> bucket = c.lookup('garnaat_pub')
>>> key = bucket.lookup('Scan1.jpg')
>>> for bytes in key:
... write bytes to output stream
或者，就像您的示例一样，您可以这样做：
>>> shutil.copyfileobj(key, rsObject.stream())
【讨论】：
我认为至少有一些看到这个问题的人会像我一样，并且会想要一种方法来逐行（或逐行逗号，或任何其他分隔符）从 boto 流式传输文件。这是一个简单的方法：
def getS3ResultsAsIterator(self, aws_access_info, key, prefix):
s3_conn = S3Connection(**aws_access)
bucket_obj = s3_conn.get_bucket(key)
# go through the list of files in the key
for f in bucket_obj.list(prefix=prefix):
unfinished_line = ''
for byte in f:
byte = unfinished_line + byte
#split on whatever, or use a regex with re.split()
lines = byte.split('\n')
unfinished_line = lines.pop()
for line in lines:
yield line
@garnaat 上面的回答仍然很棒而且 100% 正确。希望我的仍然可以帮助某人。
【讨论】：
lines = re.split(r'[\n\r]+', byte) - 有助于从 Excel 导出 CSV 文件
for byte in f:循环完成后添加yield unfinished_line，否则最后一行将无法处理
Botocore 的 StreamingBody 有一个 iter_lines() 方法：
所以：
import boto3
s3r = boto3.resource('s3')
iterator = s3r.Object(bucket, key).get()['Body'].iter_lines()
for line in iterator:
print(line)
【讨论】：
.iter_lines(chunk_size=1024)
这是我包装流媒体体的解决方案：
import io
class S3ObjectInterator(io.RawIOBase):
def __init__(self, bucket, key):
"""Initialize with S3 bucket and key names"""
self.s3c = boto3.client('s3')
self.obj_stream = self.s3c.get_object(Bucket=bucket, Key=key)['Body']
def read(self, n=-1):
"""Read from the stream"""
return self.obj_stream.read() if n == -1 else self.obj_stream.read(n)
示例用法：
obj_stream = S3ObjectInterator(bucket, key)
for line in obj_stream:
print line
【讨论】：