通过URL下载谷歌Drive公开PDF的无API解决方案咨询

你使用的第二个链接是谷歌云端硬盘的文件预览页地址，并非PDF源文件的直接下载地址。requests请求该地址返回的是HTML网页内容，直接写入后缀为.pdf的文件后，自然无法被PDF阅读器识别解析。

无需调用谷歌Drive官方API，仅需要对谷歌Drive的公开分享链接做格式转换，提取其中的唯一文件ID拼接为直接下载链接即可，操作逻辑如下：

• 从分享链接中提取文件ID：你使用的链接中文件ID为 0B1HXnM1lBuoqMzVhZjcwNTAtZWI5OS00ZDg3LWEyMzktNzZmYWY2Y2NhNWQx
• 将原预览链接替换为直接下载格式：https://drive.google.com/uc?export=download&id={提取到的文件ID}
• 针对体积超过100MB的大文件，需要额外处理谷歌Drive的下载安全确认参数，小体积公开文件直接使用转换后的链接请求即可。

import requests
import re

def extract_gdrive_file_id(url: str) -> str | None:
    """从谷歌Drive分享链接中提取文件ID"""
    pattern = r'(?:https?:\/\/)?(?:drive\.google\.com\/)(?:file\/d\/|uc\?id=|open\?id=)([^\/&?]+)'
    match = re.search(pattern, url)
    return match.group(1) if match else None

def download_file(download_url: str, filename: str):
    """
    下载文件，自动兼容谷歌Drive公开分享链接
    @param download_url: 下载链接或者谷歌Drive公开分享链接
    @type download_url: str
    @param filename: 存储的文件名称（不含后缀）
    @type filename: str
    @return: None
    @rtype: None
    """
    # 识别并转换谷歌Drive链接
    file_id = extract_gdrive_file_id(download_url)
    if file_id:
        download_url = f"https://drive.google.com/uc?export=download&id={file_id}"
    
    # 增加请求头避免被拦截
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36"
    }
    file_request = requests.get(download_url, headers=headers)
    file_request.raise_for_status() # 请求失败直接抛出异常
    
    with open(f'{filename}.pdf', 'wb+') as file:
        file.write(file_request.content)

# 测试用例
if __name__ == "__main__":
    # 普通PDF链接测试
    cand_id = "101"
    time_current = "801"
    file_location = f"{cand_id}_{time_current}"
    download_file("https://www.w3.org/WAI/ER/tests/xhtml/testfiles/resources/pdf/dummy.pdf", file_location)
    
    # 谷歌DrivePDF链接测试
    cand_id = "201"
    time_current = "901"
    file_location = f"{cand_id}_{time_current}"
    download_file("https://drive.google.com/file/d/0B1HXnM1lBuoqMzVhZjcwNTAtZWI5OS00ZDg3LWEyMzktNzZmYWY2Y2NhNWQx/view?hl=en&resourcekey=0-5DqnTtXPFvySMiWstuAYdA", file_location)

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