javascript – 使用Drive API / DriveApp将PDF转换为Google文档
作者：互联网
此问题已成功解决.我正在编辑我的帖子,以记录我的后代和未来参考的经验.
任务
我有117个PDF文件(平均大小~238 KB)上传到Google云端硬盘.我想将它们全部转换为Google文档,并将它们保存在不同的Drive文件夹中.
问题
我尝试使用Drive.Files.insert转换文件.但是,在大多数情况下,只有5个文件可以在函数过期之前以这种方式转换此错误
Limit Exceeded: DriveApp. (line #, file “Code”)
上面引用的行是调用insert函数的位置.在第一次调用此函数后,后续调用通常会立即失败,而不会创建其他Google doc.
途径
我用3种主要方法来实现我的目标.一个人正在使用Drive.Files.insert,如上所述.另外两个涉及使用Drive.Files.copy和发送batch of HTTP requests.最后两种方法是Tanaike建议的,我建议阅读下面的答案以获取更多信息.插入和复制功能来自Google Drive REST v2 API,而批处理多个HTTP请求来自Drive REST v3.
在Drive.Files.insert中,我遇到了处理执行限制的问题(在上面的问题部分中进行了解释).一种解决方案是多次运行这些功能.为此,我需要一种方法来跟踪转换的文件.我有两种选择：使用电子表格和continuation token.因此,我有4种不同的测试方法：本段中提到的两种方法,batching HTTP requests,并调用Drive.Files.copy.
因为team drives behave differently from regular drives,我认为有必要两次尝试这些方法,其中一个包含PDF的文件夹是常规非Team Drive文件夹,另一个文件夹在Team Drive下.总的来说,这意味着我有8种不同的测试方法.
这些是我使用的确切功能.其中每个都使用了两次,唯一的变化是源文件夹和目标文件夹的ID(由于上述原因)：
方法A：使用Drive.Files.insert和电子表格
function toDocs() {
var sheet = SpreadsheetApp.openById(/* spreadsheet id*/).getSheets()[0];
var range = sheet.getRange("A2:E118");
var table = range.getValues();
var len = table.length;
var resources = {
title: null,
mimeType: MimeType.GOOGLE_DOCS,
parents: [{id: /* destination folder id */}]
};
var count = 0;
var files = DriveApp.getFolderById(/* source folder id */).getFiles();
while (files.hasNext()) {
var blob = files.next().getBlob();
var blobName = blob.getName();
for (var i=0; i<len; i++) {
if (table[i][0] === blobName.slice(5, 18)) {
if (table[i][4])
break;
resources.title = blobName;
Drive.Files.insert(resources, blob); // Limit Exceeded: DriveApp. (line 51, file "Code")
table[i][4] = "yes";
}
}
if (++count === 10) {
range.setValues(table);
Logger.log("time's up");
}
}
}
方法B：使用Drive.Files.insert和continuation token
function toDocs() {
var folder = DriveApp.getFolderById(/* source folder id */);
var sprop = PropertiesService.getScriptProperties();
var contToken = sprop.getProperty("contToken");
var files = contToken ? DriveApp.continueFileIterator(contToken) : folder.getFiles();
var options = {
ocr: true
};
var resource = {
title: null,
mimeType: null,
parents: [{id: /* destination folder id */}]
};
while (files.hasNext()) {
var blob = files.next().getBlob();
resource.title = blob.getName();
resource.mimeType = blob.getContentType();
Drive.Files.insert(resource, blob, options); // Limit Exceeded: DriveApp. (line 113, file "Code")
sprop.setProperty("contToken", files.getContinuationToken());
}
}
方法C：使用Drive.Files.copy
这个功能的功劳归于Tanaike – 有关详细信息,请参阅下面的答案.
function toDocs() {
var sourceFolderId = /* source folder id */;
var destinationFolderId = /* destination folder id */;
var files = DriveApp.getFolderById(sourceFolderId).getFiles();
while (files.hasNext()) {
var res = Drive.Files.copy({parents: [{id: destinationFolderId}]}, files.next().getId(), {convert: true, ocr: true});
Logger.log(res)
}
}
方法D：发送batches of HTTP requests
这个功能的功劳归于Tanaike – 有关详细信息,请参阅下面的答案.
function toDocs() {
var sourceFolderId = /* source folder id */;
var destinationFolderId = /* destination folder id */;
var files = DriveApp.getFolderById(sourceFolderId).getFiles();
var rBody = [];
while (files.hasNext()) {
rBody.push({
method: "POST",
endpoint: "https://www.googleapis.com/drive/v3/files/" + files.next().getId() + "/copy",
requestBody: {
mimeType: "application/vnd.google-apps.document",
parents: [destinationFolderId]
}
});
}
var cycle = 20; // Number of API calls at 1 batch request.
for (var i = 0; i < Math.ceil(rBody.length / cycle); i++) {
var offset = i * cycle;
var body = rBody.slice(offset, offset + cycle);
var boundary = "xxxxxxxxxx";
var contentId = 0;
var data = "--" + boundary + "\r\n";
body.forEach(function(e){
data += "Content-Type: application/http\r\n";
data += "Content-ID: " + ++contentId + "\r\n\r\n";
data += e.method + " " + e.endpoint + "\r\n";
data += e.requestBody ? "Content-Type: application/json; charset=utf-8\r\n\r\n" : "\r\n";
data += e.requestBody ? JSON.stringify(e.requestBody) + "\r\n" : "";
data += "--" + boundary + "\r\n";
});
var options = {
method: "post",
contentType: "multipart/mixed; boundary=" + boundary,
payload: Utilities.newBlob(data).getBytes(),
headers: {'Authorization': 'Bearer ' + ScriptApp.getOAuthToken()},
muteHttpExceptions: true,
};
var res = UrlFetchApp.fetch("https://www.googleapis.com/batch", options).getContentText();
// Logger.log(res); // If you use this, please remove the comment.
}
}
什么工作,什么没有
>使用Drive.Files.insert的所有功能都不起作用.一切
使用insert进行转换的函数因此错误而失败
Limit Exceeded: DriveApp. (line #, file “Code”)
(行号用通用符号替换).没有进一步的细节或
可以找到错误的描述.一个显着的变化是一个
我在其中使用了电子表格,PDF是在团队驱动器中
夹;所有其他方法在没有转换的情况下立即失败
单个文件,这个在失败之前转换为5.但是,什么时候
考虑到为什么这种变化比其他变化更好,我认为
与使用特定事物有关的任何理由都比侥幸更多
资源(电子表格,团队驱动等)
>仅使用Drive.Files.copy和batch HTTP requests
当源文件夹是个人(非Team Drive)文件夹时.
>在从Team Drive中读取时尝试使用复制功能
文件夹因此错误而失败：
File not found: 1RAGxe9a_-euRpWm3ePrbaGaX5brpmGXu (line #, file “Code”)
(行号用通用符号替换).被引用的行
是
var res = Drive.Files.copy({parents: [{id: destinationFolderId}]}, files.next().getId(), {convert: true, ocr: true});
>从Team Drive文件夹中读取时使用batch HTTP requests
什么都不做 – 没有创建doc文件,也没有抛出任何错误.
功能在没有完成任何事情的情况下无声地终止
结论
如果您希望将大量PDF转换为Google文档或文本文件,请使用Drive.Files.copy或send batches of HTTP requests并确保PDF存储在个人驱动器而非Team Drive中.
特别感谢@tehhowch对我的问题表现出如此狂热的兴趣并反复回来提供反馈,并感谢@Tanaike提供代码以及成功解决我的问题的解释(需要注意,请阅读上面的详细信息).
解决方法:
您想要将文件夹中的PDF文件转换为Google文档. PDF文件位于团队驱动器的文件夹中.您想导入将它们转换为Google云端硬盘的文件夹.如果我的理解是正确的,这个方法怎么样？
对于从PDF到Google文档的转换,它不仅可以使用Drive.Files.insert()进行转换,还可以使用Drive.Files.copy()进行转换.使用Drive.Files.copy()的好处是
>虽然Drive.Files.insert()的大小限制为5 MB,但Drive.Files.copy()可以使用超过5 MB的大小.
>在我的环境中,进程速度比Drive.Files.insert()快.
对于这种方法,我想提出以下两种模式.
模式1：使用Drive API v2
在这种情况下,Advanced Google Services的Drive API v2用于转换文件.
function myFunction() {
var sourceFolderId = "/* source folder id */";
var destinationFolderId = "/* dest folder id */";
var files = DriveApp.getFolderById(sourceFolderId).getFiles();
while (files.hasNext()) {
var res = Drive.Files.copy({parents: [{id: destinationFolderId}]}, files.next().getId(), {convert: true, ocr: true});
// Logger.log(res) // If you use this, please remove the comment.
}
}
模式2：使用Drive API v3
在这种情况下,Drive API v3用于转换文件.在这里,我使用了批处理请求.因为批处理请求可以通过一次API调用使用100个API调用.这样,就可以删除API配额问题.
function myFunction() {
var sourceFolderId = "/* source folder id */";
var destinationFolderId = "/* dest folder id */";
var files = DriveApp.getFolderById(sourceFolderId).getFiles();
var rBody = [];
while (files.hasNext()) {
rBody.push({
method: "POST",
endpoint: "https://www.googleapis.com/drive/v3/files/" + files.next().getId() + "/copy",
requestBody: {
mimeType: "application/vnd.google-apps.document",
parents: [destinationFolderId]
}
});
}
var cycle = 100; // Number of API calls at 1 batch request.
for (var i = 0; i < Math.ceil(rBody.length / cycle); i++) {
var offset = i * cycle;
var body = rBody.slice(offset, offset + cycle);
var boundary = "xxxxxxxxxx";
var contentId = 0;
var data = "--" + boundary + "\r\n";
body.forEach(function(e){
data += "Content-Type: application/http\r\n";
data += "Content-ID: " + ++contentId + "\r\n\r\n";
data += e.method + " " + e.endpoint + "\r\n";
data += e.requestBody ? "Content-Type: application/json; charset=utf-8\r\n\r\n" : "\r\n";
data += e.requestBody ? JSON.stringify(e.requestBody) + "\r\n" : "";
data += "--" + boundary + "\r\n";
});
var options = {
method: "post",
contentType: "multipart/mixed; boundary=" + boundary,
payload: Utilities.newBlob(data).getBytes(),
headers: {'Authorization': 'Bearer ' + ScriptApp.getOAuthToken()},
muteHttpExceptions: true,
};
var res = UrlFetchApp.fetch("https://www.googleapis.com/batch", options).getContentText();
// Logger.log(res); // If you use this, please remove the comment.
}
}
注意 ：
>如果1个批处理请求的API调用数很大(当前值为100),请修改var cycle = 100.
>如果Drive API v3无法用于团队驱动,请告诉我.我可以将其转换为Drive API v2.
>如果团队驱动是您的情况问题的原因,您可以在将PDF文件复制到Google云端硬盘后尝试此操作吗？
参考：
如果这些对你没用,我很抱歉.
标签：javascript,google-apps-script,google-drive-sdk 来源： https://codeday.me/bug/20190731/1587710.html