如何在Google Colab中使用Python解码获取的编码文件

你当前拿不到目标文本内容，和特殊编码解码没有直接关系，存在两个核心错误：

1. 请求的URL是Google Drive的文件预览网页地址，不是文件直链，接口返回的是Drive预览页的HTML源码，根本不是indian_histpry.txt的文件内容，你打印出的内容里的<title>indian_histpry.txt - Google Drive</title>就是网页的标题标记，足以证明返回的是网页而非文件。
2. urllib的response.read()默认返回bytes字节类型，直接打印会带b'...'前缀，就算拿到正确的文件内容，也需要指定编码转成普通字符串才能正常显示。

方案1：直接请求公开分享文件的直链（无需挂载Drive） #

Google Drive公开分享的文件有固定的直链格式，不需要走预览页，替换文件ID后直接请求即可，拿到字节内容后用UTF-8解码为字符串：

import urllib.request

# 从原分享链接里提取的文件ID
file_id = "1L4zhc1Vdpdy78t8CgZgA165siRtNaEsQ"
# 拼接公开文件直链
download_url = f"https://drive.google.com/uc?export=download&id={file_id}"

with urllib.request.urlopen(download_url) as resp:
    # 读取字节后解码为普通文本
    txt_content = resp.read().decode("utf-8")

print(txt_content)

• 如果解码后出现乱码，可以把decode("utf-8")替换成decode("gbk")或者decode("latin-1")尝试匹配文件的实际编码。
• 该方案仅适用于公开分享、体积较小的文件，大文件会触发Drive的下载安全校验，请求会失败。

方案2：Colab环境挂载Google Drive读取（最稳定） #

如果文件存在你自己的Google Drive里，直接把Drive挂载到Colab运行环境，按本地文件路径读取即可，不存在链接失效、鉴权失败的问题：

from google.colab import drive
# 执行后会弹出授权链接，按提示完成授权即可
drive.mount('/content/drive')

# 替换成你Drive里indian_histpry.txt的实际存放路径
file_path = "/content/drive/MyDrive/indian_histpry.txt"
with open(file_path, "r", encoding="utf-8") as f:
    txt_content = f.read()

print(txt_content)

注意：不要尝试对之前拿到的预览页HTML做解码，那部分内容是网页前端代码，不包含你要的txt文件的实体内容，怎么解码都拿不到目标文本。

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