这是我参与8月更文挑战的第15天,活动详情查看:8月更文挑战
文件保存
前面我们已经学习了文件的上传,多个文件上传,以及文件对象的常用属性获取。但是实际开发中通常需要在上传文件后对文件进行保存,今天我们就一起来看看。
代码
from fastapi import File,UploadFile
from typing import List
@app.post('/upfile1/')
async def up_f1(request:Request,upload_list:List[UploadFile]=File(...)):
# 获取文件名称列表
file_names=[dd.filename for dd in upload_list]
# 获取文件大小列表
file_sizes=[len(ds.read())/1024 for ds in [dd.file for dd in upload_list]]
# 获取文件类型列表
file_types=[dd.content_type for dd in upload_list]
# 获取文件对象列表
filesss = [dd for dd in upload_list]
# 根据文件个数进行遍历,使用列表索引
for ss in range(len(file_names)):
# 指定文件保存路径(使用源文件名称),当前路径下的file目录下
pth = 'file\\{}'.format(file_names[ss])
# 读取文件对象内容,阻塞,等待文件上传完成
fx = await filesss[ss].read()
# 根据文件路径打开,保存文件
with open(pth,'wb') as f:
f.write(fx)
return templates.TemplateResponse(
'f.html',
{
"request":request,
"file_names":file_names,
"file_sizes":file_sizes,
"file_types":file_types
})
执行上传
选择两个文件进行上传
查看当前路径下的 file 目录
可以看到,文件已经上传成功。
Q&A
Q:对于超大文件应该如何处理呢?
明显的,上面的代码对于超大文件的处理已经显得力不从心了,具体时间为什么呢?因为文件对象的 read 方法是将前端传过来的文件读到内存中,如果是很大的文件就会将内存撑爆。
就算你的服务器内存够大,那也会存在这个问题。而且成本很高。再或者你限制上传文件的大小,那对当前的内存也是亚历山大,而且可能会影响其他服务的运行。
最优的解决方案就是分片读取,分片保存。
代码
@app.post('/upfile1/')
async def up_f1(request:Request,upload_list:List[UploadFile]=File(...)):
# 获取文件名称列表
file_names=[dd.filename for dd in upload_list]
# 获取文件大小列表
file_sizes=[round(len(ds.read())/1024,2) for ds in [dd.file for dd in upload_list]]
# 获取文件类型列表
file_types=[dd.content_type for dd in upload_list]
# 获取文件对象列表
filesss = [dd for dd in upload_list]
# 根据文件个数进行遍历,使用列表索引
for ss in range(len(file_names)):
# 指定文件保存路径(使用源文件名称),当前路径下的file目录下
pth = 'file\\{}'.format(file_names[ss])
with open(pth, 'wb') as f:
# @@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
# 每次读取1Mb写入
for i in iter(lambda : filesss[ss].file.read(1024*1024),b''):
f.write(i)
# @@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
return templates.TemplateResponse(
'f.html',
{
"request":request,
"file_names":file_names,
"file_sizes":file_sizes,
"file_types":file_types
})
如上代码中的
@@@@@@区域,每次读取1Mb,写入文件,即可实现分块读取上传。
效果
感谢您的阅读,别忘了关注,点赞,评论,转发四连哟!