Python网络爬虫：如何下载网页中嵌入的Google Drive预览版PDF

首先你需要从iframe的src属性中提取对应的文件ID，示例链接https://drive.google.com/file/d/3973056397343z/preview中，d/和/preview中间的3973056397343z就是唯一文件ID。

公开可访问文件下载方法 #

直接构造下载链接：https://drive.google.com/uc?export=download&id=你的文件ID，用普通的HTTP请求即可直接获取PDF文件流，以下是Python示例代码：

import requests

# 替换为你提取的实际文件ID
file_id = "3973056397343z"
download_url = f"https://drive.google.com/uc?export=download&id={file_id}"

# 按需补充请求头，受限文件可在此处添加已授权账号的Cookie
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
}

resp = requests.get(download_url, headers=headers)
if resp.status_code == 200:
    with open("target.pdf", "wb") as f:
        f.write(resp.content)
    print("下载完成")
else:
    print(f"下载失败，状态码{resp.status_code}")

特殊场景处理 #

• 访问权限受限文件：需要在请求头中携带有权限访问该文件的谷歌账号Cookie，或者调用Google Drive官方API配合OAuth2认证后进行下载。
• 大文件下载：如果文件大小超过100MB，谷歌会返回病毒扫描无法验证的提示页，你需要从该页面的响应内容中提取confirm参数，将下载链接修改为https://drive.google.com/uc?export=download&id=文件ID&confirm=提取到的确认参数后重新请求即可。

内容的提问来源于stack exchange，提问作者fresh