使用Python结合Google Drive API v3读取文件修订内容到Pandas DataFrame

问题分析 #

你遇到的核心问题分两点：

• 调用revisions().get_media()时触发HttpError：大概率是因为文件类型（如Google原生文档）不支持直接用get_media，或者权限不足、修订版已被系统清理
• 调用revisions().get()只能拿到元数据：这是该接口的设计逻辑，get方法仅返回修订版的元信息，不包含文件内容

另外你的修订历史获取代码存在bug：while循环中每次都会覆盖revisions变量，导致最终只返回最后一页的修订记录，需要改为extend追加。

解决方案 #

根据文件类型分两种处理方式，核心思路是通过API获取修订版的文件流，再用Pandas解析成DataFrame：

1. 修正修订历史获取代码 #

import io
import pandas as pd
from google_apis import create_service
from googleapiclient.http import MediaIoBaseDownload
from googleapiclient.errors import HttpError

CLIENT_FILE = 'client_secret.json'
API_NAME = 'drive'
API_VERSION = 'v3'
SCOPES = ['https://www.googleapis.com/auth/drive']

service = create_service(CLIENT_FILE, API_NAME, API_VERSION, SCOPES)

def get_file_revision_history(file_id):
    response = service.revisions().list(
        fileId=file_id,
        fields='*',
        pageSize=1000
    ).execute()

    revisions = response.get('revisions', [])
    nextPageToken = response.get('nextPageToken')

    while nextPageToken:
        response = service.revisions().list(
            fileId=file_id,
            fields='*',
            pageSize=1000,
            pageToken=nextPageToken
        ).execute()
        # 修正：用extend追加，而非覆盖
        revisions.extend(response.get('revisions', []))
        nextPageToken = response.get('nextPageToken')
    return revisions

file_id = '1E8Wbd80CbFlFSHYZQkApXMM9EQOz1lQRl4m3rfq-vdY'
revision_history = get_file_revision_history(file_id)

2. 读取修订版内容到DataFrame #

情况A：上传的非原生文件（如CSV、Excel、TXT）

这类文件可以直接通过get_media获取流，再用Pandas解析：

def read_revision_to_df(file_id, revision_id):
    try:
        # 创建内存流存储文件内容
        file_stream = io.BytesIO()
        request = service.revisions().get_media(fileId=file_id, revisionId=revision_id)
        downloader = MediaIoBaseDownload(file_stream, request)
        
        done = False
        while done is False:
            status, done = downloader.next_chunk()
        
        # 重置流指针到开头
        file_stream.seek(0)
        
        # 根据文件类型选择解析方式，这里以CSV为例
        df = pd.read_csv(file_stream)
        # 如果是Excel：df = pd.read_excel(file_stream)
        return df
    except HttpError as e:
        print(f"读取修订版失败：{e}")
        return None

# 调用示例
revision_id = '104'
revision_df = read_revision_to_df(file_id, revision_id)
if revision_df is not None:
    print(revision_df.head())

情况B：Google原生文件（如Google Sheets、Docs）

原生文件无法直接用get_media，需要调用export接口导出为可解析的格式（如CSV）：

def export_google_revision_to_df(file_id, revision_id):
    try:
        # 针对Google Sheets，导出为CSV格式；其他类型可替换MIME类型
        # Google Docs可导出为text/plain，Google Slides暂时无法导出为表格格式
        mime_type = 'text/csv'
        request = service.revisions().export_media(
            fileId=file_id,
            revisionId=revision_id,
            mimeType=mime_type
        )
        
        file_stream = io.BytesIO()
        downloader = MediaIoBaseDownload(file_stream, request)
        done = False
        while done is False:
            status, done = downloader.next_chunk()
        
        file_stream.seek(0)
        df = pd.read_csv(file_stream)
        return df
    except HttpError as e:
        print(f"导出修订版失败：{e}")
        return None

# 调用示例
revision_df = export_google_revision_to_df(file_id, revision_id)
if revision_df is not None:
    print(revision_df.head())

关键注意事项 #

• 权限：确保你的OAuth2 scope包含https://www.googleapis.com/auth/drive（已在代码中设置），否则无法访问私有文件的修订版
• 修订版可用性：部分旧修订版可能被Google Drive自动清理，调用前可通过revisions().get()检查published字段是否为True
• MIME类型对应：不同文件类型需要匹配正确的导出MIME类型，比如Google Sheets的CSV对应text/csv，Excel对应application/vnd.openxmlformats-officedocument.spreadsheetml.sheet

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