在Python中如何使用Flask处理超大文件分片上传与断点续传？-Python教程-PHP中文网

应禁用Flask默认multipart解析，改用request.stream流式读取分块数据，配合upload_id唯一标识、Redis存元数据、按chunk_index排序合并，防止内存溢出与文件错乱。

在python中如何使用flask处理超大文件分片上传与断点续传？

直接用 request.files 读取整个分片会把全部内容加载进内存，100MB分片就可能吃光服务进程内存。必须绕过 Flask 默认的文件解析流程，改用流式读取原始 body。

禁用 Flask 的 multipart 解析：启动时设 app.config['MAX_CONTENT_LENGTH'] = 0（或设为合理上限），并在路由上加 @app.route(..., methods=['POST'])，不依赖 request.files
用 request.stream.read(chunk_size) 分块读取，chunk_size 建议设为 8192 或 65536，避免小 chunk 频繁系统调用
务必校验 Content-Length 头是否与实际读取字节数一致，防止客户端伪造长度导致后续逻辑错乱

不能靠前端传来的文件名——重名、路径注入、编码混乱都会出问题。必须由服务端生成稳定、可索引的上传 ID，并绑定元数据。

推荐组合方式：hashlib.sha256(f"{filename}_{timestamp}_{random_string}").hexdigest()[:16]，存为 upload_id
每个分片请求必须携带该 upload_id（放在 URL path、query 或 header 中，别放 body 里——body 是纯二进制流）
用 Redis 存元数据：redis.hset(f"upload:{upload_id}", mapping={"filename": name, "total_size": total, "chunk_count": n})，避免每次查数据库

分片到达顺序不确定，直接按接收顺序写入会导致最终文件结构损坏。必须按分片序号（chunk_index）排序后拼接。

根据包的能力以及 Jupyter 环境中的导入语句，从候选列表中挑选最适合用户表格工作流的 Python 包。

下载

每个分片请求必须带 chunk_index（从 0 开始）和 total_chunks，服务端验证范围：0
分片落地建议存为 /uploads/{upload_id}/{chunk_index}，用整数命名，便于后续 sorted(os.listdir(...)) 获取有序列表
合并时用 with open(final_path, 'wb') as f: for idx in range(total): f.write(open(f'{upload_id}/{idx}', 'rb').read()) —— 不要一次性 load 所有 chunk 到内存

前端需要知道“我已经传了哪几片”，这不能靠服务端猜，必须提供明确的查询接口并返回确定状态。

暴露 GET 接口如 /api/upload/{upload_id}/status，返回 JSON：{"uploaded_chunks": [0, 2, 4], "total_chunks": 10}
服务端查 os.listdir(f'/uploads/{upload_id}') 并提取文件名转 int，过滤掉非数字文件；注意加 try/except 防止目录不存在或权限错误
前端根据返回结果跳过已传分片，但需重试机制：即使服务端说“已存在”，也应尝试 HEAD 请求确认文件大小是否匹配，防止写入中途中断导致残片

分片存储路径权限、磁盘空间监控、上传 ID 过期清理（比如 24 小时未完成就删）、以及并发上传时的 Redis 锁（防止同一 upload_id 被多个请求同时合并）——这些不是可选项，是上线前必须处理的边界。