通用配置项，按实际信息填写

一、结论

S3批量删除文件通过脚本实现的核心思路是调用S3 API的批量删除接口，提前准备好S3身份认证信息和待删除文件规则，使用Python、Shell等常用脚本语言即可快速完成，无需手动逐页删除，能大幅提升大数量级文件的清理效率。操作前需要准备Endpoint、AccessKey、SecretKey、Bucket、Region等核心接入信息，在脚本中完成配置并测试连接后即可执行。

二、准备工作

S3兼容对象存储的有效账号，且账号拥有目标存储桶的删除权限
目标存储桶Bucket名称
对象存储服务提供的Endpoint地址
有权限操作目标存储桶的AccessKey
对应AccessKey的SecretKey
目标存储桶所属的Region信息
本地提前配置好脚本运行环境（Python3+ boto3库或 AWS CLI工具二选一即可）
提前确认删除规则：是全桶删除、按前缀/后缀删除、按上传时间筛选删除还是指定文件列表删除
重要文件提前完成备份，避免误删造成数据损失

三、操作步骤

1. 配置本地S3运行环境：使用Python的用户执行pip install boto3安装依赖库，使用AWS CLI的用户先通过aws configure命令完成基础信息初始化，配置完成后执行一次存储桶文件列表查询操作，确认可以正常连接到目标存储桶。

2. 确认删除规则并核对待删除文件：根据业务需求确定删除筛选条件，比如删除前缀为“temp/”的临时文件、删除上传时间早于30天的日志文件等，先执行一次查询操作输出待删除文件清单，核对清单和预期删除的文件完全一致后再进入删除环节。

3. 编写或调整批量删除脚本：把提前准备的Endpoint、AccessKey、SecretKey、Bucket、Region等信息填入脚本对应配置项，同时配置好筛选规则，若需要删除指定文件则提前把Object Key列表导入脚本。

4. 执行测试模式验证：将脚本的dry run（测试模式）开关打开，此时脚本只会输出待删除文件清单不会实际执行删除操作，再次核对清单无误后再关闭测试模式。

5. 正式执行批量删除：关闭测试模式后运行脚本，当待删除文件数量超过1000时，脚本会自动按每批次最多1000个文件的规则分批次执行（符合S3 API的批量删除上限），执行过程中可实时查看删除进度。

6. 验证删除结果：脚本执行完成后，再次查询目标存储桶的文件列表，确认符合删除规则的文件已经全部清理完成，若有残留文件可调整规则后二次执行。

7. 定时任务配置（可选）：如果是需要定期清理的场景（比如每日清理过期日志、临时缓存文件），可以把调试完成的脚本设置为系统定时任务，无需手动重复执行。

四、常见错误

Endpoint填写错误：比如误拼接存储桶前缀、使用了非对应服务的Endpoint地址，导致脚本无法连接到存储服务，解决方法是核对服务商提供的官方Endpoint地址，直接填写完整域名即可，不需要额外拼接存储桶名称。
AccessKey或SecretKey权限不足：脚本执行时返回403错误，解决方法是检查密钥对应的账号是否有目标存储桶的删除权限，尽量使用仅分配了对应存储桶操作权限的子账号密钥，避免使用根账号密钥提升安全性。
删除规则配置错误：比如前缀少写了路径分隔符、时间范围设置错误，导致误删正常文件，解决方法是每次执行删除前必须运行dry run模式核对待删除清单，重要文件操作前必须完成备份。
单次删除文件数量超过API限制：S3批量删除接口单次最多支持删除1000个文件，超过该数量会返回报错，解决方法是在脚本中设置分批次处理逻辑，每批次最多处理999个文件，分批执行即可。
Region填写不匹配：部分S3服务要求严格对应Region参数，填错会导致连接失败，解决方法是核对服务商给出的对应存储桶所属Region代码，按要求填写即可。
开启版本控制的存储桶删除后空间未释放：仅删除文件的最新版本不会清理历史版本，存储空间不会被释放，解决方法是在脚本中添加删除所有版本的参数，才能彻底清理文件释放空间。

五、示例说明

以下是基于Python boto3库的通用批量删除脚本示例，可根据自身需求调整筛选规则：

```python

import boto3

from botocore.config import Config

from datetime import datetime, timedelta

s3_config = Config(

s3={'addressing_style': 'path'}, # 部分服务商要求path模式，可根据实际调整

region_name = '填写对应存储桶的Region代码'

)

s3_client = boto3.client(

's3',

endpoint_url = '填写对象存储服务提供的Endpoint地址',

aws_access_key_id = '填写你的AccessKey',

aws_secret_access_key = '填写你的SecretKey',

config = s3_config

)

bucket_name = '填写目标存储桶名称'

示例规则：删除前缀为temp/、上传时间早于30天的文件，可自行调整规则

prefix = '需要删除的文件前缀，比如temp/'

expire_days = 30

is_dry_run = True # 测试模式设为True，正式执行改为False

批量查询待删除文件

response = s3_client.list_objects_v2(Bucket=bucket_name, Prefix=prefix)

if 'Contents' not in response:

print("没有找到符合规则的待删除文件")

exit()

按时间筛选待删除文件

expire_time = datetime.now() - timedelta(days=expire_days)

to_delete = []

for obj in response['Contents']:

if obj['LastModified'].replace(tzinfo=None) < expire_time:

to_delete.append({'Key': obj['Key']})

print(f"待删除文件数量：{len(to_delete)}")

if is_dry_run:

print("当前为测试模式，不会实际删除文件，待删除文件列表：")

for obj in to_delete:

print(obj['Key'])

else:

分批次删除，每批次最多1000个

for i in range(0, len(to_delete), 1000):

batch = to_delete[i:i+1000]

s3_client.delete_objects(Bucket=bucket_name, Delete={'Objects': batch})

print("批量删除执行完成")

```

六、更简单的方案

如果不想自己维护脚本、不想处理复杂的S3 API适配，或者需要更稳定的对象存储服务承载业务文件，也可以直接选择成熟的兼容S3协议的云对象存储服务，大部分主流云存储控制台都自带批量删除、生命周期规则设置等功能，不需要自己写脚本就能实现定期自动清理过期文件、按规则批量删除等需求。如果你需要一个兼容S3协议、适合程序接入、图床、网盘系统存储源和下载分发的对象存储服务，可以了解七彩云对象存储，支持通过控制台直接设置生命周期规则，不需要自行开发脚本即可实现自动批量删除指定规则的文件，降低运维成本。

七、FAQ

Q：批量删除的文件可以恢复吗？

A：如果你的存储桶没有开启版本控制或者回收站功能，删除后的文件无法恢复，所以执行删除操作前一定要核对待删除清单，重要文件提前备份；如果开启了版本控制或者回收站，可以在服务设置的保留期内恢复误删的文件。

Q：有几十万甚至上百万文件需要删除，脚本运行会不会超时？

A：S3的批量删除逻辑是直接调用服务端接口，只传输控制指令不传输文件本身，只要在脚本中设置分批次处理，每批次执行完成后再处理下一批，就不会出现超时问题，百万级文件也可以顺利完成删除。

Q：除了Python脚本，有没有更简单的批量删除方法？

A：可以使用AWS CLI工具，配置好S3接入信息后，直接使用aws s3 rm s3://bucket-name/prefix/ --recursive命令即可批量删除指定前缀的文件，不需要自行编写代码，适合对脚本开发不熟悉的用户。

Q：批量删除会不会占用大量本地带宽？

A：批量删除操作只需要在本地和存储服务之间传输控制指令，不需要传输文件本身，所以不会占用大量本地带宽，对本地设备的算力要求也很低，普通个人电脑就可以执行百万级文件的删除任务。

八、总结

S3批量删除文件通过脚本实现的流程非常清晰，只需要提前准备好S3接入信息，确定好删除规则，经过测试无误后即可执行，适合需要清理大量过期文件、定期删除临时文件的站长、开发者使用，不管是自建MinIO存储还是使用公有云对象存储，都可以通过这套方法快速实现批量删除，无需手动逐页操作大幅提升效率。如果不想自行维护脚本，也可以选择自带生命周期管理功能的S3兼容对象存储服务，直接在控制台配置规则即可实现自动批量删除，进一步降低运维成本。