如何通过Python Lambda函数统计S3存储桶指定文件夹的文件数量

当然可以，借助AWS SDK for Python（boto3）就能在Lambda函数里实现这个需求。需要注意的是，S3本身没有真正的文件夹结构，所谓的“文件夹”其实是对象键的前缀，核心思路就是通过前缀过滤目标对象，再统计数量。

前提条件 #

确保Lambda的执行角色拥有s3:ListBucket权限，示例权限策略如下：

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": "s3:ListBucket",
            "Resource": "arn:aws:s3:::your-bucket-name"
        }
    ]
}

示例Lambda代码 #

import boto3

def lambda_handler(event, context):
    # 初始化S3客户端
    s3_client = boto3.client('s3')
    
    # 配置目标桶和文件夹前缀
    target_bucket = 'your-bucket-name'
    folder_prefix = 'docs/reports/2024/'  # 必须以斜杠结尾，精准匹配目标文件夹
    
    object_count = 0
    # 使用分页器处理大量对象（S3单次最多返回1000个对象）
    paginator = s3_client.get_paginator('list_objects_v2')
    
    for page in paginator.paginate(Bucket=target_bucket, Prefix=folder_prefix, Delimiter='/'):
        # 统计当前页的对象数量
        if 'Contents' in page:
            object_count += len(page['Contents'])
    
    return {
        'statusCode': 200,
        'body': f"目标文件夹内共有 {object_count} 个对象"
    }

关键细节说明 #

• 前缀的斜杠：folder_prefix必须以/结尾，否则会匹配所有以该字符串开头的键（比如docs/reports/2024和docs/reports/2024-old），导致统计范围错误。
• 分页处理：当文件夹内对象超过1000个时，boto3的分页器会自动处理分页请求，无需手动管理分页标记。
• 排除子文件夹：如果目标文件夹下有子文件夹，设置Delimiter='/'后，Contents里只会包含当前文件夹的对象，子文件夹会被归类到CommonPrefixes中，不会被统计。

内容的提问来源于stack exchange，提问作者Faris Ashhab