Python从URL读取Zip文件提取CSV时出现BadZipFile错误如何修复

错误原因 #

• 你当前使用的是Google Drive的文件预览页面链接，请求返回的是HTML网页内容，并非二进制Zip文件流，因此传入ZipFile解析时直接抛出BadZipFile错误
• 你拼接url + urllib.request.quote(zip_file_name)的逻辑不符合Google Drive直链下载的规则，属于无效拼接

修复方案 #

Google Drive共享链接的通用格式为https://drive.google.com/file/d/{文件ID}/view，你需要先从原链接中提取文件ID，再替换到直链下载模板https://drive.google.com/uc?export=download&id={文件ID}中，即可获取真实的Zip文件流。你给出的链接中文件ID为1gQGYF8TaznCfdevo7-MsHW5IcwftZWP_，修复后的代码如下：

import pandas as pd
from io import BytesIO, TextIOWrapper
from zipfile import ZipFile
import urllib

# 拼接Google Drive直链下载地址
file_id = '1gQGYF8TaznCfdevo7-MsHW5IcwftZWP_'
url = f'https://drive.google.com/uc?export=download&id={file_id}'

resp = urllib.request.urlopen(url)
zipfile = ZipFile(BytesIO(resp.read()))

data = TextIOWrapper(zipfile.open('high42.csv'), encoding='utf-8')
df = pd.read_csv(data)

注意：如果Zip文件大小超过100M，Google Drive会跳过病毒扫描弹出下载确认页，这种场景需要额外处理请求携带Cookie获取真实下载链接，100M以内的小体积Zip文件以上代码可直接运行。

内容的提问来源于stack exchange，提问作者Georg_Z