如何使用Paramiko getfo从SFTP服务器下载文件到内存进行处理

Question

我正在尝试使用 Paramiko 从 SFTP 下载 CSV 文件（内存中）并将其导入 pandas 数据帧。

transport = paramiko.Transport((server, 22))
transport.connect(username=username, password=password)
sftp = paramiko.SFTPClient.from_transport(transport)

with open(file_name, 'wb') as fl:
    sftp.getfo(file_name, fl, callback=printTotals)
    df = pd.read_csv(fl, sep=' ')

下面的代码失败了，告诉我：

OSError: File is not open for reading

我假设 fl 我需要某种缓冲区或文件之类的对象，因为打开需要一个文件。我对所有这些都比较陌生，所以如果有人能提供帮助，我会很高兴。

Answer 1

仍然允许您使用进度回调的简单解决方案是：

使用BytesIO file-like object将下载的文件存储到内存中；

下载后必须先将文件指针找回文件开头，然后才能开始阅读。

with io.BytesIO() as fl:
    sftp.getfo(file_name, fl, callback=printTotals)
    fl.seek(0)
    df = pd.read_csv(fl, sep=' ')

尽管使用此解决方案，您最终会将文件加载到内存中两次。

更好的解决方案是实现自定义类文件对象。它甚至允许您同时下载和解析文件。

class FileWithProgress:

    def __init__(self, fl):
        self.fl = fl
        self.size = fl.stat().st_size
        self.p = 0

    def read(self, blocksize):
        r = self.fl.read(blocksize)
        self.p += len(r)
        print(str(self.p) + " of " + str(self.size)) 
        return r

并像这样使用它：

with sftp.open(file_name, "rb") as fl:
    fl.prefetch()
    df = pd.read_csv(FileWithProgress(fl), sep=' ')

关于SFTPFile.prefetch调用，参考：
.

如果不需要进度监控，简单的代码如下：

with sftp.open(file_name, "rb") as fl:
    fl.prefetch()
    df = pd.read_csv(fl, sep=' ')

Answer 2

我最后做的是一个简单的版本，不幸的是没有进度回调，我还需要 rb 阅读：

with sftp.open(file_name, 'rb') as fl:
        df = pd.read_csv(fl, sep=' ')

无论如何，马丁的回答正是我要找的！

如何使用Paramiko getfo从SFTP服务器下载文件到内存进行处理

How to use Paramiko getfo to download file from SFTP server to memory to process it

python

io

sftp

paramiko

pandas