如何仅从S3中DD.MM.YYYY格式文件夹复制PDF到Archive并解决rake任务报错

1. Rake任务「Don't know how to build this task」报错修复 #

你可以按以下顺序排查问题：

• 确认Rake文件存放在Rails项目的lib/tasks/目录下，文件后缀必须为.rake（例如命名为courts.rake），如果放在其他目录或者后缀为.rb，Rails无法识别任务
• 执行命令rake -T | grep courts验证任务是否正常加载，执行后能看到courts:move_old_documents等任务列表说明加载正常，看不到就检查文件语法和路径
• 你当前代码存在语法错误：TODO行有多余的闭合大括号，会导致Rake加载失败，需要先删除多余符号

2. 筛选DD.MM.YYYY格式文件夹下的PDF文件 #

S3的文件路径直接存在对象的key属性中，你可以用正则匹配路径前缀符合DD.MM.YYYY/格式的PDF文件，修改后的完整任务代码如下：

namespace :courts do
  task update_ocr_documents: :environment do
    OcrDocument.find_each do |ocr_document|
      ::Courts::Operations::OcrDocuments::RecognizeExisting.run(id: ocr_document.id, skip_auth: true)
    end
  end

  task sync_ocr_bucket: :environment do
    ::Courts::SyncronizeBucketJob.perform_now
  end

  task move_old_documents: :environment do
    bucket = Settings.file_storage.ocr_documents.s3_credentials.bucket
    file_util = Courts::Aws::FileUtil.new(bucket)
    # 匹配路径前缀为DD.MM.YYYY格式文件夹下的PDF文件
    date_folder_regex = /^\d{2}\.\d{2}\.\d{4}\//
    file_util.get_objects do |obj| 
      obj.key.ends_with?('.pdf') && obj.key.match?(date_folder_regex)
    end
    file_util.move_objects('archive')
  end
end

注：如果日期文件夹不在存储桶根目录、存在上层父路径，删除正则开头的^即可；如果需要严格校验日期合法性，避免匹配到32.13.2024这类无效日期，可以在正则匹配后额外加日期解析逻辑过滤无效文件夹

内容的提问来源于stack exchange，提问作者cbln