使用 AWS boto3 库从 s3 桶中批量下载数据

官方文档

一、Boto3 快速安装

安装 Boto3 之前，先安装 Python 3.8 或更高版本；对 Python 3.6 及更早版本的支持已弃用。

通过 pip 安装最新的 Boto3 版本：

pip install boto3
1

使用 AWS Common Runtime (CRT)
除了默认安装 Boto3 之外，还可以选择包含新的 CRT。AWS CRT 是模块化包的集合，充当 AWS 开发工具包的新基础。每个库都为其实现的功能区域提供更好的性能和最小的占用空间。使用 CRT，开发工具包可以在可能的情况下共享相同的基本代码，从而提高 AWS 开发工具包之间的一致性和吞吐量优化。

但是，Boto3 默认情况下不使用 AWS CRT，但可以通过在安装 Boto3 时指定 crt 额外功能来选择使用它：

pip install boto3[crt]
1

要恢复到 Boto3 的非 CRT 版本，使用以下命令：

pip uninstall awscrt
1

如果需要重新启用 CRT，重新安装 boto3[crt] 以确保获得兼容版本 awscrt。

二、账户配置

1. 在代码中配置账户信息：

s3 = boto3.resource('s3', aws_access_key_id="", aws_secret_access_key="")
# s3 = boto3.client('s3', aws_access_key_id="", aws_secret_access_key="")
1
2

2. 在电脑配置文件中配置账户信息（提前安装 AWS CLI）：
   • 可以使用 aws configure 命令来修改配置文件；
   • 可以直接修改配置文件，默认情况下，配置文件的位置为 ~/.aws/credentials。配置文件至少应该指定 aws_access_key_id 和 aws_secret_access_key。

三、代码示例

3.1 下载单个文件

import boto3

# 配置S3连接
s3 = boto3.resource('s3')
bucket_name = 'your-bucket-name'

# 定义要下载的文件名
file_key = 'your-file-path-in-s3'

# 下载文件
s3.Bucket(bucket_name).download_file(file_key, 'local-file-path')

1
2
3
4
5
6
7
8
9
10
11
12

3.2 下载文件夹内全部文件

def download_folder(bucket_name, folder, local_dir=None):
    """
        Download an object from an S3 bucket
    """
    count = 0
    bucket = s3.Bucket(bucket_name)

    for obj in bucket.objects.filter(Prefix=folder):
        target = obj.key #if local_dir is None else os.path.join(local_dir, os.path.relpath(obj.key, folder))
        if not os.path.exists(os.path.dirname(os.path.dirname(target))):
            os.makedirs(os.path.dirname(os.path.dirname(target)))
        # 额外下载文件夹中文件夹内的 object
        #if obj.key[-1] == '/':
        #    continue
        target_path = os.path.join(os.path.dirname(os.path.dirname(target)), target.split('/')[-1])
        bucket.download_file(obj.key, target_path)
        count += 1

    print("cont: ", count)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19