AWS Glue - Crawler跳过了S3中的某些文件夹
创始人
2024-11-16 03:31:46
0

要跳过AWS Glue Crawler中的某些文件夹,可以使用Crawler的过滤功能来实现。以下是一个解决方案的示例代码:

  1. 创建一个Python脚本,例如skip_folders.py,并添加以下代码:
import boto3

def exclude_folders(client, crawler_name, folders_to_exclude):
    response = client.get_crawler(Name=crawler_name)
    targets = response['Crawler']['Targets']
    
    for target in targets:
        s3_targets = target['S3Targets']
        for folder in folders_to_exclude:
            for s3_target in s3_targets:
                path = s3_target['Path']
                if folder in path:
                    s3_targets.remove(s3_target)
    
    client.update_crawler(Name=crawler_name, Targets=targets)

def main():
    client = boto3.client('glue')
    crawler_name = 'your-crawler-name'
    folders_to_exclude = ['folder1', 'folder2']  # 要跳过的文件夹列表
    
    exclude_folders(client, crawler_name, folders_to_exclude)

if __name__ == '__main__':
    main()
  1. your-crawler-name替换为你的Crawler名称。

  2. folder1folder2替换为你要跳过的文件夹名称。

  3. 运行脚本,它将使用AWS Glue客户端从Crawler中检索目标,排除指定的文件夹,并更新Crawler。

请注意,此示例假设你已经设置了AWS CLI配置,并且具有足够的权限执行AWS Glue操作。

相关内容

热门资讯

保存时出现了1个错误,导致这篇... 当保存文章时出现错误时,可以通过以下步骤解决问题:查看错误信息:查看错误提示信息可以帮助我们了解具体...
汇川伺服电机位置控制模式参数配... 1. 基本控制参数设置 1)设置位置控制模式   2)绝对值位置线性模...
不能访问光猫的的管理页面 光猫是现代家庭宽带网络的重要组成部分,它可以提供高速稳定的网络连接。但是,有时候我们会遇到不能访问光...
不一致的条件格式 要解决不一致的条件格式问题,可以按照以下步骤进行:确定条件格式的规则:首先,需要明确条件格式的规则是...
本地主机上的图像未显示 问题描述:在本地主机上显示图像时,图像未能正常显示。解决方法:以下是一些可能的解决方法,具体取决于问...
表格列调整大小出现问题 问题描述:表格列调整大小出现问题,无法正常调整列宽。解决方法:检查表格的布局方式是否正确。确保表格使...
表格中数据未显示 当表格中的数据未显示时,可能是由于以下几个原因导致的:HTML代码问题:检查表格的HTML代码是否正...
Android|无法访问或保存... 这个问题可能是由于权限设置不正确导致的。您需要在应用程序清单文件中添加以下代码来请求适当的权限:此外...
【NI Multisim 14...   目录 序言 一、工具栏 🍊1.“标准”工具栏 🍊 2.视图工具...
银河麒麟V10SP1高级服务器... 银河麒麟高级服务器操作系统简介: 银河麒麟高级服务器操作系统V10是针对企业级关键业务...