获取存储在 s3 中的文件的正确 createdAt 和 modifiedAt 日期

Posted 2023-03-07

【中文标题】获取存储在 s3 中的文件的正确 createdAt 和 modifiedAt 日期

【英文标题】：Get Correct createdAt and modifiedAt date for a file stored in s3

【发布时间】：2018-01-26 03:34:13

【问题描述】：

我在 s3 中存储的文件很少，我必须找出文件的确切创建日期。下载文件后，会立即为该文件生成新的created_at 时间戳，但是当我在 excel 或 pdf 中打开它时，我能够看到正确的 created_at 时间戳。

我正在使用 node.js 从 s3 获取文件，并且需要一些库来将这些日期提供给我。

我已经尝试过xslx、fs、winattr 和aws-sdk。

【问题讨论】：

考虑一下，如果它们是特定类型的文档，例如 pdf 和 xlsx，那么原始 created_at 统计信息可能会存储在这些文件本身中，而不是作为文件元数据。你可能需要解析你的 pdf/excel 文档来做你想做的事情。我的回答可能无法满足您的需求。

你是对的，你能提供一些东西来解析docx文件元数据吗？

【参考方案1】：

对于本地文件，例如下载文件后，您可以使用 Node JS fs.stat 函数。

这将为您提供文件统计信息/元数据详细信息，因为它们由您运行 node.js 的操作系统存储。

见https://nodejs.org/api/fs.html#fs_fs_stat_path_callback

如果您要查找在 Amazon S3 上创建文件的日期，则可以使用 Object HEAD 休息请求。

有关更多信息，请参阅Amazon S3 Object HEAD Documentation。

Last-Modified 似乎是对象的最后修改或创建日期，以最后发生的为准。这可能会为您提供所需的粒度。如果没有，您可能可以将 HEAD 命令与版本控制命令结合使用来确定创建日期。找到第一个版本，然后获取创建日期的第一个版本的 Last-Modified。

更多详情请参阅Amazon S3 Object HEAD Versioning。

PDF 文件将其访问、创建等元数据属性作为其格式的一部分在内部存储。您可以使用https://github.com/Gottox/node-pdfutils 解析这些详细信息

Excel 文件和大多数 Microsoft 文档执行类似操作，您也许可以使用 https://www.npmjs.com/package/xlsx 读取工作簿的 created 属性

【讨论】：

感谢node-pdfutils，但我已经尝试了其他所有方法，包括 fs 和 head 请求，我知道它们为什么不起作用。

一个 S3 HEAD 对象请求返回一个 Last-Modified 标头，如此命名是为了与标准 HTTP 行为保持一致。这实际上是对象写入 S3（“创建”）的日期/时间，因为 S3 对象是不可变的，并且在上传到存储桶后实际上无法“修改”。实际上，更新对象元数据并不会更新元数据，而是用其自身的副本以及新的元数据覆盖对象。这会将Last-Modified 设置为“现在”，但实际上并未对其进行修改——从技术上讲，它是一个新对象，在 S3 中具有新的创建日期，是旧对象的副本。

OP 的有用信息就在那里。我从未使用过 Amazon S3，我只是离开了文档。 @DileepChirumamila 以 .*x 结尾的 Microsoft 文档格式，例如.docx 或 .xlsx 为 XML 格式。最坏的情况，在记事本应用程序中打开文档，找到具有创建日期的节点，然后使用 XML 解析器手动将其解析出来。