Python爬虫中如何高效存储抓取到的多媒体资源到OSS云端?

P粉602998670

P粉602998670

2026-08-05

868人浏览

原创

oss2 不支持直接上传 url,需先用 requests.get(url, stream=true) 获取响应流,再通过 bucket.put_object(data=resp.raw, headers={'content-type': ...}) 流式上传,避免内存溢出并确保 content-type 正确。

python爬虫中如何高效存储抓取到的多媒体资源到oss云端?

oss2 本身不支持直接上传网络 URL,必须先下载到内存或临时文件,再调用上传接口——这是绝大多数人卡住的第一步。

为什么不能直接传 URL 给 bucket.put_object

put_object 接收的是 bytes、file-like object 或 str(文本),不是 HTTP 链接。你传一个字符串 URL 过去,OSS 会把它当纯文本存进去,而不是下载并上传内容。

  • 常见错误现象:result.status 返回 200,但 OSS 控制台里打开文件是明文 URL 字符串,不是图片
  • 根本原因:没做 requests.get(url).content 这一步解包
  • 风险点:大图/视频直接 .content 加载进内存可能 OOM,尤其并发爬取时

怎么安全地把 requests.Response 流式写入 OSS?

put_objectresponse.raw 是最省内存的方式,但必须确保 response 保持连接未关闭,且 headers 正确(比如 Content-Type)。

  • 必须加 stream=True:否则 response.raw 不可用
  • 必须手动设置 Content-Type:OSS 不会自动识别,否则 CDN 或浏览器可能无法正确渲染
  • 示例写法:
resp = requests.get(url, stream=True)
bucket.put_object(
    key=f'img/{uuid.uuid4()}.jpg',
    data=resp.raw,
    headers={'Content-Type': resp.headers.get('content-type', 'image/jpeg')}
)

注意:resp.raw 是 socket 层的原始流,OSS SDK 会边读边上传,不缓存全量到内存。

Python 3.14.2
Python 3.14.2

Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本,属于3.14系列的第二个维护更新。该版本包含了18项修复,重点解决了多进程、数据类及正则表达式等模块的回归问题,并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式(移除GIL)正式获得官方支持,是Python发展的重要里程碑。

下载

put_object_from_fileput_object 选哪个?

如果已保存为本地文件,优先用 put_object_from_file;如果只在内存里(比如 BytesIO),必须用 put_object

  • put_object_from_file 自动处理文件打开、分块读取、关闭,还支持断点续传(需开启 oss2.ResumableUpload
  • put_object 更灵活,但你要自己保证数据对象生命周期——比如 BytesIO 不能提前 close,否则上传中途报 ValueError: I/O operation on closed file
  • 大文件(>100MB)建议走分片上传:oss2.ResumableUpload,避免单次请求超时或中断后重传全部

AccessKey 硬编码在代码里会出大事

哪怕只是测试脚本,也别把 access_key_idaccess_key_secret 写死。一旦误提交到 GitHub,密钥就彻底泄露。

  • 最低要求:用环境变量,os.getenv('OSS_ACCESS_KEY_ID')
  • 更稳妥:配合 configparser + .gitignore 排除 config.ini
  • 生产环境必须用 RAM 子账号,且只授予最小权限(比如仅 AliyunOSSFullAccess 中的 PutObjectListBucket
  • OSS Endpoint 别写错:https://oss-cn-hangzhou.aliyuncs.com 是标准域名,不是 bucket 域名(https://your-bucket.oss-cn-hangzhou.aliyuncs.com
真正容易被忽略的,是 Content-Type 的缺失和流式上传时 response 生命周期管理——这两点不处理,上传看似成功,实际资源不可用。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1104

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

2072

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1185

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

8819

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

1479

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

1551

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

881

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

531

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1111

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
PyCharm官方快速入门指南
PyCharm官方快速入门指南

共0课时 | 0人学习

Python函数定义官方教程
Python函数定义官方教程

共0课时 | 0人学习

Python 3.14.6官方文档
Python 3.14.6官方文档

共0课时 | 0人学习