Google Fit REST API授权失败求助&健康历史数据写入需求

一、OAuth授权错误（错误400: invalid_request）修复方案 #

1. 修正OAuth客户端配置 #

• 确保在Google Cloud控制台创建的是桌面应用类型的OAuth客户端ID。本地脚本属于桌面应用场景，若之前创建的是Web/移动应用类型，需重新创建桌面客户端，系统会自动生成适配的重定向URI（如urn:ietf:wg:oauth:2.0:oob或http://localhost）。
• 脚本中redirect_uri需使用单个URI字符串，而非列表。修改代码：

  # 原代码：redirect_uri = redirect_uris
  redirect_uri = redirect_uris[0]  # 取列表第一个元素
  

2. 缩小权限范围 #

替换宽泛的https://www.googleapis.com/auth/fitness范围，根据实际需求使用具体权限：

• 写入活动数据（如步数）：https://www.googleapis.com/auth/fitness.activity.write
• 写入心率数据：https://www.googleapis.com/auth/fitness.heart_rate.write
• 其他数据类型对应权限可参考Google Fit官方权限说明

3. 添加测试用户（未验证应用） #

未通过Google OAuth验证的应用只能对测试用户开放授权：

1. 进入Google Cloud控制台 → API和服务 → OAuth同意屏幕
2. 在“测试用户”板块添加你自己的Google账号
3. 使用该测试账号进行授权操作

4. 修正API请求URL #

脚本中最后两个GET请求存在路径错误，修正为：

# 获取步数衍生数据源详情
r = google.get('https://www.googleapis.com/fitness/v1/users/me/dataSources/derived:com.google.step_count.delta:com.google.android.gms:merge_step_deltas')
# 获取当前用户所有数据源
r = google.get('https://www.googleapis.com/fitness/v1/users/me/dataSources')

二、Google Fit REST API写入数据步骤 #

1. 匹配数据类型与数据源 #

首先确认Apple Health数据对应的Google Fit数据类型，比如：

• 步数：com.google.step_count.delta
• 体重：com.google.weight
• 心率：com.google.heart_rate.bpm

对于常见数据类型，可直接使用Google提供的衍生数据源（如步数的derived:com.google.step_count.delta:com.google.android.gms:merge_step_deltas），无需自定义数据源。

2. 构造符合要求的请求体 #

Google Fit写入数据使用users/me/dataset:patch接口，请求体需包含：

• dataSourceId：目标数据源ID
• point：数据点数组，每个数据点需包含：
  • startTimeNanos：数据起始时间（纳秒级字符串）
  • endTimeNanos：数据结束时间（纳秒级字符串）
  • value：数据值（根据类型选择intVal/floatVal/stringVal等）

3. pandas DataFrame转Google Fit数据示例 #

假设你的DataFrame包含date（日期）和step_count（当日步数）两列，转换并写入的代码示例：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'date': ['2024-01-01', '2024-01-02'],
    'step_count': [8500, 9200]
})

# 配置参数
data_source_id = "derived:com.google.step_count.delta:com.google.android.gms:merge_step_deltas"

# 构造数据点
data_points = []
for _, row in df.iterrows():
    # 转换日期为纳秒时间戳
    start_ts = pd.Timestamp(row['date']).timestamp() * 1e9
    end_ts = start_ts + 86400 * 1e9  # 当日结束时间（+1天的秒数转纳秒）
    
    data_points.append({
        "startTimeNanos": str(int(start_ts)),
        "endTimeNanos": str(int(end_ts)),
        "value": [{"intVal": int(row['step_count'])}]
    })

# 构造数据集ID（格式：起始纳秒-结束纳秒）
start_nanos = str(int(pd.Timestamp(df['date'].min()).timestamp() * 1e9))
end_nanos = str(int(pd.Timestamp(df['date'].max()).timestamp() * 1e9 + 86400 * 1e9))
dataset_id = f"{start_nanos}-{end_nanos}"

# 发送写入请求
response = google.patch(
    url=f"https://www.googleapis.com/fitness/v1/users/me/datasets/{dataset_id}",
    json={"dataSourceId": data_source_id, "point": data_points}
)

# 检查响应
if response.status_code == 200:
    print("数据写入成功")
else:
    print(f"写入失败：{response.json()}")

4. 注意事项 #

• 拆分数据写入：避免一次性写入过大时间范围的数据，建议按天或按周拆分请求，避免触发API限流。
• 去重处理：若数据已存在于Google Fit，重复写入会覆盖原有数据，建议先查询已有数据再决定是否写入。
• 配额限制：Google Fit API有每日请求配额，若数据量较大，需添加请求间隔（如time.sleep(1)）。

内容的提问来源于stack exchange，提问作者SiSchi