如何通过Google Docs API读取无文档ID的公开Google文档？

嘿，我来帮你解决这个问题！你遇到的情况是那个公开文档链接用的是发布ID（就是URL里2PACX-xxx那段），而Google Docs API需要的是原生的文档ID（常规文档URL里d/后面的那串字符），所以直接用这个发布ID调用API肯定行不通。下面给你两种可行的方案：

方案一：尝试获取原生文档ID，继续使用Docs API #

如果这个公开文档允许查看原始文档，你可以这样操作：

• 打开你提供的那个/pub链接，看看页面右上角有没有“打开原始文档”的按钮，点击它跳转到原始文档页面
• 从原始文档的URL里提取ID：比如URL格式是https://docs.google.com/document/d/[这里就是文档ID]/edit，把中间那段字符复制下来替换你代码里的DOCUMENT_ID
• 另外，因为文档是公开可查看的，你其实可以不用OAuth授权，改用API Key来调用API，这样更简单：
  1. 去Google Cloud控制台创建一个API Key，启用Docs API
  2. 修改你的代码，用API Key代替OAuth Credentials，示例代码如下：

from googleapiclient.discovery import build
from googleapiclient.errors import HttpError

# 替换成你自己的API Key
API_KEY = "你的API_KEY"
# 替换成从原始文档URL提取的ID
DOCUMENT_ID = "提取到的原生文档ID"

def main():
    try:
        service = build("docs", "v1", developerKey=API_KEY)
        document = service.documents().get(documentId=DOCUMENT_ID).execute()
        print(f"文档标题：{document.get('title')}")
        # 这里可以处理文档内容，比如提取文本
    except HttpError as err:
        print(err)

if __name__ == "__main__":
    main()

不过如果作者没有开放“查看原始文档”的权限，那这个方法就用不了，这时候可以试试方案二。

方案二：用BeautifulSoup爬取公开发布的页面内容 #

既然文档已经以网页形式公开发布了，直接爬取这个/pub页面的内容是更直接的办法，不需要依赖Google Docs API，步骤如下：

1. 安装BeautifulSoup和requests：pip install requests beautifulsoup4
2. 编写代码爬取页面内容：

import requests
from bs4 import BeautifulSoup

# 你的公开文档发布链接
URL = "https://docs.google.com/document/u/0/d/e/2PACX-1vRMx5YQlZNa3ra8dYYxmv-QIQ3YJe8tbI3kqcuC7lQiZm-CSEznKfN_HYNSpoXcZIV3Y_O3YoUB1ecq/pub?pli=1"

def main():
    response = requests.get(URL)
    response.raise_for_status()
    soup = BeautifulSoup(response.text, "html.parser")
    # 提取文档内容，Google Docs发布的页面里内容通常在class为"c1"的标签里，或者你可以根据实际结构调整
    content = soup.find_all(class_="c1")
    for paragraph in content:
        print(paragraph.get_text(strip=True))

if __name__ == "__main__":
    main()

这个方法的好处是不需要任何Google API的授权，只要页面是公开可访问的就能用，缺点是需要处理网页的HTML结构，如果Google调整了发布页面的布局，可能需要更新选择器。

总结一下：如果能拿到原生文档ID，用Docs API是最规范的方式；如果拿不到，用BeautifulSoup爬取公开页面是更可行的替代方案。

备注：内容来源于stack exchange，提问作者Pandasonsleds