如何使用R提取SharePoint列表中文件的元数据？

所需工具包 #

你需要两个核心R包来处理API请求和数据解析：

• httr：发送HTTP请求并处理身份认证
• jsonlite：解析SharePoint返回的JSON格式数据

安装并加载包：

install.packages(c("httr", "jsonlite"))
library(httr)
library(jsonlite)

认证配置 #

根据你的SharePoint部署类型选择对应认证方式：

本地部署SharePoint（NTLM认证） #

针对企业内部本地站点，通常用NTLM认证：

# 配置站点、列表和账号信息
site_url <- "https://your-sharepoint-domain/sites/your-target-site"
list_title <- "你的文件列表名称"
domain_username <- "DOMAIN\\your-username"  # 注意域账号格式
password <- "your-password"

SharePoint Online（OAuth认证） #

针对在线版SharePoint，推荐用AzureAuth包获取OAuth令牌：

install.packages("AzureAuth")
library(AzureAuth)

# 获取认证令牌
token <- get_azure_token(
  resource = "https://your-sharepoint-site.sharepoint.com",
  tenant = "your-tenant-id",
  app = "your-client-id",
  password = "your-client-secret",
  auth_type = "client_credentials"
)

调用REST API提取元数据 #

SharePoint提供REST API访问列表数据，通过指定字段和关联实体获取完整元数据：

本地部署示例 #

# 构建API请求URL，指定要提取的字段和关联实体
api_endpoint <- paste0(
  site_url, 
  "/_api/web/lists/getbytitle('", list_title, "')/items?",
  "$select=Title,FileLeafRef,Modified,Created,Author/Title,Editor/Title,FileSizeDisplay",
  "&$expand=Author,Editor"
)

# 发送认证请求
response <- GET(
  url = api_endpoint,
  authenticate(domain_username, password, type = "ntlm"),
  add_headers(Accept = "application/json;odata=verbose")
)

# 检查请求是否成功
stop_for_status(response)

# 解析JSON响应
raw_content <- content(response, "text", encoding = "UTF-8")
parsed_data <- fromJSON(raw_content)

# 转换为数据框
metadata_df <- as.data.frame(parsed_data$d$results)

SharePoint Online示例 #

api_endpoint <- paste0(
  "https://your-sharepoint-site.sharepoint.com/sites/your-target-site",
  "/_api/web/lists/getbytitle('", list_title, "')/items?",
  "$select=Title,FileLeafRef,Modified,Created,Author/Title,Editor/Title,FileSizeDisplay",
  "&$expand=Author,Editor"
)

response <- GET(
  url = api_endpoint,
  add_headers(Authorization = paste("Bearer", token$access_token)),
  add_headers(Accept = "application/json;odata=nometadata")
)

stop_for_status(response)
raw_content <- content(response, "text", encoding = "UTF-8")
parsed_data <- fromJSON(raw_content)
metadata_df <- as.data.frame(parsed_data$value)

整理元数据 #

提取的原始数据可能包含冗余字段，按需筛选和格式化：

# 选择需要的字段并重命名
clean_metadata <- metadata_df[, c("Title", "FileLeafRef", "Created", "Modified", "Author.Title", "Editor.Title", "FileSizeDisplay")]
colnames(clean_metadata) <- c("文件标题", "文件名", "创建时间", "修改时间", "创建者", "最后修改者", "文件大小(KB)")

# 格式化日期字段
clean_metadata$创建时间 <- as.POSIXct(clean_metadata$创建时间, format = "%Y-%m-%dT%H:%M:%SZ")
clean_metadata$修改时间 <- as.POSIXct(clean_metadata$修改时间, format = "%Y-%m-%dT%H:%M:%SZ")

# 查看结果
head(clean_metadata)

关键注意点 #

• 确保账号拥有目标SharePoint列表的读取权限
• 自定义字段需使用SharePoint内部字段名（可通过浏览器访问API端点查看完整字段列表）
• SharePoint Online的API端点格式与本地部署略有差异，注意调整URL结构
• 处理大列表时，可通过$top和$skip参数分页获取数据，避免请求超时

内容的提问来源于stack exchange，提问作者Emmanuel Hamel