如何用Python自动遍历文件夹图片调用Amazon Rekognition接口？

当然有办法解决这个重复修改文件名的麻烦！我们可以通过自动遍历S3目标文件夹里的所有图片，逐个调用Amazon Rekognition的detect_labels接口来实现批量处理。下面给你一套实用的Python方案（基于AWS的Boto3 SDK），直接就能复用：

基础版代码（适用于1000张以内图片） #

如果你的目标文件夹里图片数量少于1000张，用这个简单版本就足够了：

import boto3

# 初始化S3和Rekognition客户端
s3_client = boto3.client('s3')
rekognition_client = boto3.client('rekognition')

# 配置你的桶名和目标文件夹前缀（比如存图片的文件夹是'images/'，记得末尾加斜杠）
bucket_name = 'test1'
folder_prefix = 'images/'

# 列出S3文件夹下的所有对象
s3_response = s3_client.list_objects_v2(Bucket=bucket_name, Prefix=folder_prefix)

# 遍历每个图片对象并调用Rekognition
for obj in s3_response.get('Contents', []):
    # 跳过文件夹本身（如果前缀是文件夹路径的话）
    if obj['Key'] == folder_prefix:
        continue
    
    # 调用detect_labels接口，这里直接用对象的Key作为图片名
    rek_response = rekognition_client.detect_labels(
        Image={
            'S3Object': {
                'Bucket': bucket_name,
                'Name': obj['Key']
            }
        }
    )
    
    # 自定义结果处理逻辑，这里只是打印出来，你可以改成写入文件/数据库
    print(f"=== 图片 {obj['Key']} 的检测结果 ===")
    for label in rek_response['Labels']:
        print(f"- {label['Name']}: {round(label['Confidence'], 2)}%")
    print("\n")

进阶版：处理分页与大量图片 #

AWS的list_objects_v2接口默认最多返回1000个对象，如果你的文件夹里图片超过这个数量，需要处理分页结果，用下面的版本：

import boto3

s3_client = boto3.client('s3')
rekognition_client = boto3.client('rekognition')

bucket_name = 'test1'
folder_prefix = 'images/'

continuation_token = None
while True:
    # 根据是否有分页token调用不同的list_objects_v2参数
    if continuation_token:
        s3_response = s3_client.list_objects_v2(
            Bucket=bucket_name,
            Prefix=folder_prefix,
            ContinuationToken=continuation_token
        )
    else:
        s3_response = s3_client.list_objects_v2(Bucket=bucket_name, Prefix=folder_prefix)
    
    # 遍历当前页的所有图片
    for obj in s3_response.get('Contents', []):
        if obj['Key'] == folder_prefix:
            continue
        # 只处理图片格式的文件（可根据需要调整后缀）
        allowed_extensions = ('.jpg', '.jpeg', '.png', '.gif')
        if not obj['Key'].lower().endswith(allowed_extensions):
            continue
        
        # 调用Rekognition检测标签
        rek_response = rekognition_client.detect_labels(
            Image={'S3Object': {'Bucket': bucket_name, 'Name': obj['Key']}}
        )
        
        # 这里可以替换成你需要的结果保存逻辑，比如写入CSV
        print(f"处理完成: {obj['Key']}")
        # 示例：写入CSV
        # with open('rekognition_results.csv', 'a') as f:
        #     f.write(f"{obj['Key']},{','.join([f'{l["Name"]}:{l["Confidence"]}' for l in rek_response['Labels']])}\n")
    
    # 检查是否还有下一页数据
    if not s3_response.get('IsTruncated'):
        break
    continuation_token = s3_response['NextContinuationToken']

几个实用的优化建议 #

• 过滤非图片文件：上面的进阶版已经加了后缀过滤，避免处理无关文件浪费资源；
• 结果持久化：不要只打印结果，建议把检测结果写入CSV、JSON文件或者数据库，方便后续分析；
• 异常处理：可以给detect_labels调用加上try-except块，避免某张图片处理失败导致整个脚本中断；
• 并发处理：如果图片数量极大，可以用线程池或者异步调用提高处理速度（注意AWS的API调用限额）。

这样一来，你再也不用手动修改文件名了，脚本会自动遍历指定S3文件夹里的所有图片并完成标签检测！

内容的提问来源于stack exchange，提问作者PepperTuna