如何使用Paramiko getfo将文件从SFTP服务器下载到内存以进行处理

Question

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

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，告诉我：

OSError：文件未打开以供读取

我假设我需要某种缓冲区或类似对象的文件fl，因为open需要一个文件。我对这一切还比较陌生，所以如果有人可以帮忙，我会很高兴。

Answer 1

一个仍然允许您使用进度回调的简单解决方案是：

• 使用BytesIO类似文件的对象将下载的文件存储到内存中；
• 下载文件后，您必须先查找文件指针，使其返回文件开始位置，然后再开始阅读文件。

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，您最终将文件两次加载到内存中。

更好的解决方案是实现类似文件的对象。它甚至可以让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=' ') 

有关该SFTPFile.prefetch调用的信息，请参见：
读取使用Python Paramiko SFTPClient.open方法打开的文件为slow。