如何用Python从GCS存储桶获取按时间排序的最新CSV文件？

你当前的代码直接使用list_blobs返回的结果生成文件名列表，再取最后一个元素，但GCS的list_blobs默认不会按文件修改时间排序，所以这个逻辑无法拿到最新的CSV文件。

要基于文件的最后修改时间获取最新CSV，需要保留blob对象并按时间排序：

store_input_folder='store_nlp'
str_files = bucket.list_blobs(prefix=store_input_folder)
# 筛选CSV格式的blob对象，用endswith更严谨
store_blobs = [blob for blob in str_files if blob.name.endswith('.csv')]

if not store_blobs:
    log.info("Currently no new store file present in Folder")
else:
    # 按最后修改时间倒序排序，取第一个即为最新文件
    latest_blob = sorted(store_blobs, key=lambda blob: blob.updated, reverse=True)[0]
    store_updated_file = latest_blob.name

• blob.updated是文件的最后修改时间，返回datetime对象，可直接用于排序
• 如果需要按文件创建时间筛选，可替换为blob.time_created
• 用endswith('.csv')替代'.csv' in file.name，能避免误匹配文件名中包含csv字符串的非CSV文件

内容的提问来源于stack exchange，提问作者Big data Pyspark