使用 R 通过 API 访问谷歌文档修订历史？

Question

我希望使用 R 下载并分析我的一个 google 文档的修订历史，找出统计数据，例如谁做了多少编辑。

我看到已经有 some ways for 使用 R 访问谷歌文档。

有没有人预先知道（在我继续尝试破解我的方式之前），是否或如何（相当容易地）完成？

谢谢。

Answer 1

Google Documents List API 可让您访问修订列表、每个修订的内容、确保为给定更新存储修订的方法等。

修订列表可能会为您提供所需的信息，但您需要更具体地确定所需的统计信息。请注意，关于谁进行了哪些更改的历史数据似乎有点不完整 - 请参阅API problems with revision history - Google Documents List API | Google Groups

Answer 2

googledrive 包包含一些可用于此目的的低级 API 函数。例如，我们可以通过以下方式获取一个 Google 文档的修订列表：

library(googledrive)
library(tidyverse)

# replace this with the ID of your google doc
# this doc is private, it wont work for you
fileId <- "1s0CPFXnMQjZNts6gYAnkcGXGSAgugTupzMf8YeoCbps"

# Get the name of the file and some other metadata
file <- build_request(
  path = "drive/v3/files/{fileId}",
  method = "GET",
  params = list(
    fileId = fileId,
    fields = "*"
  ),
  token = drive_token()
)
file_ret <-  process_response(make_request(file))

# Now for this doc, query the Drive API to get get URLs and other meta-data for all the revisions available to us

req2 <- build_request(
  path = "drive/v2/files/{fileId}/revisions",
  method = "GET",
  params = list(
    fileId = fileId
  ),
  token = drive_token()
)
revs2 <-  process_response(make_request(req2))

# See 
# https://developers.google.com/drive/api/v2/reference/revisions#resource
# for an explanation of each variable that we have here

# tidy revisions into a dataframe
revs2_df <-
  map_df(
    revs2$items,
    `[`,
    c(
      "kind",
      "etag" ,
      "id",
      "selfLink"   ,
      "mimeType"     ,
      "modifiedDate",
      "published"   ,
      "lastModifyingUserName"
    )
  )
# get exportLinks URLs out of its nest
revs2_export_url <- map_df(revs2$items, "exportLinks")
# bind together
revs2_df_bind <- bind_cols(revs2_df, revs2_export_url)

结果包括，对于每个修订，日期、时间、进行修订的用户的姓名，以及将该修订导出到下载文件的 URL：

# A tibble: 140 x 16
   kind   etag  id    selfLink mimeType modifiedDate published lastModifyingUs… `application/rt…
   <chr>  <chr> <chr> <chr>    <chr>    <chr>        <lgl>     <chr>            <chr>           
 1 drive… "\"H… 28367 https:/… applica… 2017-09-12T… FALSE     Gayoung Park     https://docs.go…
 2 drive… "\"H… 28487 https:/… applica… 2017-09-12T… FALSE     Gayoung Park     https://docs.go…
 3 drive… "\"H… 28862 https:/… applica… 2017-09-13T… FALSE     Gayoung Park     https://docs.go…
 4 drive… "\"H… 29221 https:/… applica… 2017-09-13T… FALSE     Gayoung Park     https://docs.go…
 5 drive… "\"H… 29258 https:/… applica… 2017-09-13T… FALSE     Gayoung Park     https://docs.go…
 6 drive… "\"H… 29434 https:/… applica… 2017-09-13T… FALSE     Gayoung Park     https://docs.go…
 7 drive… "\"H… 29454 https:/… applica… 2017-09-18T… FALSE     Gayoung Park     https://docs.go…
 8 drive… "\"H… 29603 https:/… applica… 2017-09-18T… FALSE     Gayoung Park     https://docs.go…
 9 drive… "\"H… 30108 https:/… applica… 2017-09-18T… FALSE     Gayoung Park     https://docs.go…
10 drive… "\"H… 30115 https:/… applica… 2017-09-21T… FALSE     Gayoung Park     https://docs.go…
# ... with 130 more rows, and 7 more variables: `application/vnd.oasis.opendocument.text` <chr>,
#   `text/html` <chr>, `application/pdf` <chr>, `application/epub+zip` <chr>,
#   `application/zip` <chr>,
#   `application/vnd.openxmlformats-officedocument.wordprocessingml.document` <chr>,
#   `text/plain` <chr>

然后我们可以遍历导出 URL 以下载所有修订版，并比较大小或字数等，最终得到如下图：

这些图的完整代码在这里：https://gist.github.com/benmarwick/1feaa2b2f0d7bc5f7e97903b8ff92aed

请注意，通过 API 提供的 Google 云端硬盘修订历史记录存在一些严重限制。例如，

• 当多个用户同时编辑时，我们只会获得该会话中第一个活动编辑器的名称。其他人没有被捕获。
• 当在短时间内发生许多修改时，Google 会将这些修改合并为一个修订版，我们无法单独查看它们。我们没有很好的时间分辨率。
• Google 会删除旧的编辑以节省空间。我们不知道他们对此有何规定。