我如何使用 python 遍历 Google Cloud Storage 上子目录中的所有文件名?

How would I loop through all the file names in a subdirectory on Google Cloud Storage with python?

假设我在 Google 云存储上有一些 bucket/subdirectory,这个存储桶的地址是:

gs://test-monkeys-example/training_data/cats

在这个cats子目录下我有一堆猫的图片,都是jpg格式。我如何在 python 中循环遍历 cats 子目录并打印出其中所有文件的名称?

类似于:

for x in directory('gs://test-monkeys-example/training_data/cats'):
    print(x)

显然目录('gs://test-monkeys-example/training_data/cats')不是如何做到这一点而只是伪代码-我该怎么做?!

使用存储模块:

import google.datalab.storage as storage
cats = [o.key for o in storage.Bucket('test-monkeys-example').objects()
  if o.key.startswith('training_data/cats')]

这为您提供了此类猫的列表。

或者,您可以使用 Objects class:

cats = [o.key for o in storage.Objects('test-monkeys-example', '', '')
  if o.key.startswith('training_data/cats')]

如果你不需要将列表放入变量中,你可以使用%gcs魔法,它更容易:

%gcs list -o gs://test-monkeys-example/training_data/cats/*

这会打印 HTML table 个键。请注意,这是一个完整的 GCS 路径,以 gs://.

开头

Google Cloud Storage 支持仅列出以特定前缀开头的对象。您可以像这样从客户端库访问它:

from google.cloud import storage

client = storage.Client()
bucket = client.bucket('mybucket')
for blob in bucket.list_blobs(prefix='training_data/cats'):
  print blob.name