如何用Python通过Google Drive API V3将云端PNG转为带指定OCR语言的Google Doc

前置准备 #

• 启用Google Drive API，并下载服务账号密钥文件（credentials.json）
• 安装依赖包：

pip install google-api-python-client google-auth-httplib2 google-auth-oauthlib

代码实现 #

以下代码会遍历指定Drive文件夹下的所有PNG图片，将其转换为带指定OCR语言的Google Doc，再导出为TXT文件，最后可选择删除临时生成的Google Doc：

from googleapiclient.discovery import build
from googleapiclient.http import MediaIoBaseDownload
from google.oauth2.service_account import Credentials
import io
import os

# 配置参数
FOLDER_ID = "你的Drive文件夹ID"  # 替换为目标文件夹ID
OCR_LANGUAGE = "zh-CN"  # 替换为需要的OCR语言代码（如en、ja等）
OUTPUT_DIR = "./ocr_output"  # 本地输出文本的文件夹
DELETE_TEMP_DOC = True  # 是否删除转换后的临时Google Doc

# 初始化Drive API客户端
def get_drive_service():
    creds = Credentials.from_service_account_file(
        "credentials.json",
        scopes=["https://www.googleapis.com/auth/drive"]
    )
    return build("drive", "v3", credentials=creds)

# 导出Google Doc为TXT文件
def export_doc_to_txt(service, doc_id, filename):
    request = service.files().export_media(fileId=doc_id, mimeType="text/plain")
    fh = io.FileIO(filename, "wb")
    downloader = MediaIoBaseDownload(fh, request)
    done = False
    while done is False:
        status, done = downloader.next_chunk()
    fh.close()

# 处理单个PNG图片
def process_image(service, file):
    # 复制图片为Google Doc，启用OCR并指定语言
    copy_body = {
        "name": f"{file['name']}_temp_doc",
        "mimeType": "application/vnd.google-apps.document"
    }
    copied_file = service.files().copy(
        fileId=file["id"],
        body=copy_body,
        ocrLanguage=OCR_LANGUAGE
    ).execute()
    
    # 导出为TXT
    txt_filename = f"{OUTPUT_DIR}/{file['name'].replace('.png', '.txt')}"
    export_doc_to_txt(service, copied_file["id"], txt_filename)
    print(f"已导出文本：{txt_filename}")
    
    # 删除临时Doc（可选）
    if DELETE_TEMP_DOC:
        service.files().delete(fileId=copied_file["id"]).execute()

# 主函数：遍历文件夹下的PNG文件
def main():
    os.makedirs(OUTPUT_DIR, exist_ok=True)
    
    service = get_drive_service()
    
    # 查询文件夹下的所有PNG文件
    query = f"'{FOLDER_ID}' in parents and mimeType='image/png'"
    results = service.files().list(q=query, fields="files(id, name)").execute()
    files = results.get("files", [])
    
    if not files:
        print("未找到PNG图片")
        return
    
    for file in files:
        print(f"处理图片：{file['name']}")
        process_image(service, file)

if __name__ == "__main__":
    main()

关键说明 #

• ocrLanguage参数：需使用ISO 639-1语言代码（如zh-CN代表简体中文，en代表英文），具体支持的语言可参考Google官方OCR支持列表
• 文件夹ID获取：打开目标Drive文件夹，URL中folders/后的字符串即为文件夹ID
• 权限注意：确保服务账号拥有目标文件夹的访问权限（可将服务账号邮箱添加为文件夹协作者）

内容的提问来源于stack exchange，提问作者user1940163