Question

我希望使用R下载并分析我的某个Google文档的修订历史记录，找出有多少编辑对其进行的统计信息。

我发现已经some ways for使用R <。

访问了Google文档

是否有人事先知道（在我开始之前尝试破解我的方式），是否或如何（合理地容易）完成？

感谢。

Answer 1

Google Documents List API使您可以访问修订列表，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内容，但您需要更具体地了解所需的统计信息。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包中包含一些可用于此目的的低级API函数。例如，以下是我们如何获取一个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)

对于每个修订，结果包括执行修订的用户的日期，时间，名称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以下载所有修订版本，并比较大小或字数或其他任何内容，并最终得到一些这样的图：

这些图的完整代码位于：https://gist.github.com/benmarwick/1feaa2b2f0d7bc5f7e97903b8ff92aed

请注意，通过API提供的Google云端硬盘修订历史存在严重限制。例如，

当许多用户同时编辑时，我们只获得该会话中活动的第一个编辑器的名称。其他人没有被捕获。
当很多编辑在很短的时间内发生时，Google会将这些修改合并为一个版本，我们无法单独看到它们。我们没有很好的时间分辨率。
Google会删除较旧的修改以节省空间。我们不知道他们的规则是什么。

使用R通过API访问Google文档修订历史记录？

2 个答案: