时间戳

首页 > 解决方案 > 从谷歌驱动器中抓取文件 - 自动查询被阻止

python - 从谷歌驱动器中抓取文件 - 自动查询被阻止

问题描述

我想从很久以前读过的一个很棒的历史速成课程中抓取一些 pdf。可悲的是，旧网站已关闭，我只能从 archive.org 获取旧的 html 代码（我得到的链接工作正常，例如：https ://drive.google.com/file/d/0BzRJiIvdbSoKcHpGUWJBUDZ2WDA/edit?usp =分享）。

这个脚本导致 html 文件被下载，说

,,很抱歉，您的计算机或网络可能正在发送自动查询。为了保护我们的用户，我们现在无法处理您的请求。”</p>

有没有办法绕过这个？我尝试在代码中添加一些随机延迟，所以这可能不够，或者我现在可能在谷歌的黑名单上。（可以在这里找到 text.txt 文件https://filebin.net/k2qw09embamx05ey）

import requests
import time
import random
def download_file_from_google_drive(id, destination):
    URL = "https://docs.google.com/uc?export=download"

    session = requests.Session()

    response = session.get(URL, params = { 'id' : id }, stream = True)
    token = get_confirm_token(response)
    time.sleep(random.randrange(1,2))


    if token:
        params = { 'id' : id, 'confirm' : token }
        response = session.get(URL, params = params, stream = True)

    save_response_content(response, destination)

def get_confirm_token(response):
    for key, value in response.cookies.items():
        if key.startswith('download_warning'):
            return value

    return None

def save_response_content(response, destination):
    CHUNK_SIZE = 32768

    with open(destination, "wb") as f:
        for chunk in response.iter_content(CHUNK_SIZE):
            if chunk: # filter out keep-alive new chunks
                f.write(chunk)


f = open('text.txt')
long_string = f.readlines()
interesting_strings = []
for item in long_string:
    if 'drive.google' in item:
        interesting_strings.append(item)
print(interesting_strings)

interesting_strings = interesting_strings[0]
interesting_strings = interesting_strings.split('https://web.archive.org/web/20161219093036/')
links = []
for item in interesting_strings:
    if 'drive.google' in item:
        idx = item.find('"')
        links.append(item[:idx])
cntr = 1
for link in links:
    print(link)
    fname = './data/History_' + str(cntr)
    file_id = link.split('/')[-2]
    print('id:', file_id)
    destination = fname
    download_file_from_google_drive(file_id, destination)
    print('Getting file #', str(cntr))
    cntr += 1

    time.sleep(random.randrange(3,15) + random.random())

标签： pythongoogle-apps-scriptweb-scrapinggoogle-drive-api

解决方案

使用gdown：

import gdown

file_id = '0BzRJiIvdbSoKcHpGUWJBUDZ2WDA'
filename = 'file.pdf'

url = 'https://drive.google.com/uc?id=' + file_id
gdown.download(url, filename, quiet=False)

推荐阅读