跳到主要内容
Google Drive 是由 Google 开发的文件存储和同步服务。
本 Notebook 介绍了如何从 Google Drive 加载文档。目前，仅支持 Google Docs。

​
先决条件

  1. 创建 Google Cloud 项目或使用现有项目
  2. 启用 Google Drive API
  3. 授权桌面应用程序的凭据
  4. pip install -U google-api-python-client google-auth-httplib2 google-auth-oauthlib

​
🧑 导入 Google Docs 数据的说明

将环境变量 GOOGLE_APPLICATION_CREDENTIALS 设置为空字符串 ("")。 默认情况下，GoogleDriveLoader 期望 credentials.json 文件位于 ~/.credentials/credentials.json，但这可以通过 credentials_path 关键字参数进行配置。token.json 也是如此 - 默认路径：~/.credentials/token.json，构造函数参数：token_path。 首次使用 GoogleDriveLoader 时，浏览器中将显示用户认证的同意屏幕。认证后，token.json 将在提供或默认的路径自动创建。此外，如果该路径已存在 token.json，则不会提示认证。 GoogleDriveLoader 可以从 Google Docs 文档 ID 列表或文件夹 ID 加载。您可以从 URL 获取文件夹和文档 ID： 
pip install -qU langchain-google-community[drive]

from langchain_google_community import GoogleDriveLoader

loader = GoogleDriveLoader(
    folder_id="1yucgL9WGgWZdM1TOuKkeghlPizuzMYb5",
    token_path="/path/where/you/want/token/to/be/created/google_token.json",
    # Optional: configure whether to recursively fetch files from subfolders. Defaults to False.
    recursive=False,
)

docs = loader.load()
当您传入 folder_id 时，默认情况下会加载所有类型为文档、表格和 PDF 的文件。您可以通过传入 file_types 参数来修改此行为。 
loader = GoogleDriveLoader(
    folder_id="1yucgL9WGgWZdM1TOuKkeghlPizuzMYb5",
    file_types=["document", "sheet"],
    recursive=False,
)

​
传入可选文件加载器

在处理 Google Docs 和 Google Sheets 之外的文件时，将可选文件加载器传递给 GoogleDriveLoader 会很有帮助。如果您传入文件加载器，该文件加载器将用于没有 Google Docs 或 Google Sheets MIME 类型的文件。这是一个使用文件加载器从 Google Drive 加载 Excel 文档的示例。 
from langchain_community.document_loaders import UnstructuredFileIOLoader
from langchain_google_community import GoogleDriveLoader

file_id = "1x9WBtFPWMEAdjcJzPScRsjpjQvpSo_kz"
loader = GoogleDriveLoader(
    file_ids=[file_id],
    file_loader_cls=UnstructuredFileIOLoader,
    file_loader_kwargs={"mode": "elements"},
)

docs = loader.load()

docs[0]
您还可以使用以下模式处理包含混合文件和 Google Docs/Sheets 的文件夹 
folder_id = "1asMOHY1BqBS84JcRbOag5LOJac74gpmD"
loader = GoogleDriveLoader(
    folder_id=folder_id,
    file_loader_cls=UnstructuredFileIOLoader,
    file_loader_kwargs={"mode": "elements"},
)

docs = loader.load()

docs[0]

​
扩展用法

一个外部（非官方）组件可以管理 Google Drive 的复杂性：langchain-googledrive。它与 langchain_community.document_loaders.GoogleDriveLoader 兼容，可以代替它使用。 为了兼容容器，身份验证使用环境变量 GOOGLE_ACCOUNT_FILE 作为凭证文件（用于用户或服务）。
pip install -qU  langchain-googledrive

folder_id = "root"
# folder_id='1yucgL9WGgWZdM1TOuKkeghlPizuzMYb5'

# Use the advanced version.
from langchain_googledrive.document_loaders import GoogleDriveLoader

loader = GoogleDriveLoader(
    folder_id=folder_id,
    recursive=False,
    num_results=2,  # Maximum number of file to load
)
默认情况下，所有具有这些 MIME 类型的的文件都可以转换为 Document。
  • text/text
  • text/plain
  • text/html
  • text/csv
  • text/markdown
  • image/png
  • image/jpeg
  • application/epub+zip
  • application/pdf
  • application/rtf
  • application/vnd.google-apps.document (GDoc)
  • application/vnd.google-apps.presentation (GSlide)
  • application/vnd.google-apps.spreadsheet (GSheet)
  • application/vnd.google.colaboratory (Notebook colab)
  • application/vnd.openxmlformats-officedocument.presentationml.presentation (PPTX)
  • application/vnd.openxmlformats-officedocument.wordprocessingml.document (DOCX)
可以更新或自定义此设置。请参阅 GDriveLoader 的文档。 但是，必须安装相应的包。
pip install -qU  unstructured

for doc in loader.load():
    print("---")
    print(doc.page_content.strip()[:60] + "...")

​
加载身份认证

通过 Google Drive Loader 摄取的每个文件的授权身份可以与每个文档的元数据一起加载。 
from langchain_google_community import GoogleDriveLoader

loader = GoogleDriveLoader(
    folder_id=folder_id,
    load_auth=True,
    # Optional: configure whether to load authorized identities for each Document.
)

doc = loader.load()
您可以传递 load_auth=True，将 Google Drive 文档访问身份添加到元数据中。 
doc[0].metadata

​
加载扩展元数据

以下额外字段也可以在每个 Document 的元数据中获取
  • full_path - Google Drive 中文件/的完整路径。
  • owner - 文件/的所有者。
  • size - 文件/的大小。
from langchain_google_community import GoogleDriveLoader

loader = GoogleDriveLoader(
    folder_id=folder_id,
    load_extended_matadata=True,
    # Optional: configure whether to load extended metadata for each Document.
)

doc = loader.load()
您可以传递 load_extended_matadata=True，将 Google Drive 文档扩展详细信息添加到元数据中。 
doc[0].metadata

​
自定义搜索模式

所有兼容 Google list() API 的参数都可以设置。 要指定 Google 请求的新模式，您可以使用 PromptTemplate()。提示的变量可以在构造函数中使用 kwargs 设置。建议使用一些预格式化的请求（使用 {query}、{folder_id} 和/或 {mime_type}）： 您可以自定义选择文件的条件。提供了一组预定义过滤器：
模板description
gdrive-all-in-folder从 folder_id 返回所有兼容文件
gdrive-query在所有驱动器中搜索 query
gdrive-by-name按名称 query 搜索文件
gdrive-query-in-folder在 folder_id 中搜索 query（如果 recursive=true，则包括子文件夹）
gdrive-mime-type搜索特定 mime_type
gdrive-mime-type-in-folder在 folder_id 中搜索特定 mime_type
gdrive-query-with-mime-type使用特定 mime_type 搜索 query
gdrive-query-with-mime-type-and-folder使用特定 mime_type 并在 folder_id 中搜索 query
loader = GoogleDriveLoader(
    folder_id=folder_id,
    recursive=False,
    template="gdrive-query",  # Default template to use
    query="machine learning",
    num_results=2,  # Maximum number of file to load
    supportsAllDrives=False,  # GDrive `list()` parameter
)
for doc in loader.load():
    print("---")
    print(doc.page_content.strip()[:60] + "...")
您可以自定义您的模式。 
from langchain_core.prompts.prompt import PromptTemplate

loader = GoogleDriveLoader(
    folder_id=folder_id,
    recursive=False,
    template=PromptTemplate(
        input_variables=["query", "query_name"],
        template="fullText contains '{query}' and name contains '{query_name}' and trashed=false",
    ),  # Default template to use
    query="machine learning",
    query_name="ML",
    num_results=2,  # Maximum number of file to load
)
for doc in loader.load():
    print("---")
    print(doc.page_content.strip()[:60] + "...")
转换可以管理 Markdown 格式
  • 项目符号
  • 链接
  • 表格
  • 标题
将属性 return_link 设置为 True 以导出链接。

​
GSlide 和 GSheet 模式

参数 mode 接受不同的值
  • “document”：返回每个文档的主体
  • “snippets”：返回每个文件的描述（在 Google Drive 文件的元数据中设置）。
参数 gslide_mode 接受不同的值
  • “single”：一个文档，带 <PAGE BREAK>
  • “slide”：每张幻灯片一个文档
  • “elements”：每个元素一个文档。
loader = GoogleDriveLoader(
    template="gdrive-mime-type",
    mime_type="application/vnd.google-apps.presentation",  # Only GSlide files
    gslide_mode="slide",
    num_results=2,  # Maximum number of file to load
)
for doc in loader.load():
    print("---")
    print(doc.page_content.strip()[:60] + "...")
参数 gsheet_mode 接受不同的值
  • "single"：每行生成一个文档
  • "elements"：一个文档，包含 markdown 数组和 <PAGE BREAK> 标签。
loader = GoogleDriveLoader(
    template="gdrive-mime-type",
    mime_type="application/vnd.google-apps.spreadsheet",  # Only GSheet files
    gsheet_mode="elements",
    num_results=2,  # Maximum number of file to load
)
for doc in loader.load():
    print("---")
    print(doc.page_content.strip()[:60] + "...")

​
高级用法

所有 Google 文件在元数据中都有一个“description”字段。此字段可用于存储文档摘要或其他索引标签（请参阅方法 lazy_update_description_with_summary()）。 如果您使用 mode="snippet"，则仅使用描述作为正文。否则，metadata['summary'] 将包含该字段。 有时，可以使用特定过滤器从文件名中提取一些信息，以根据特定条件选择文件。您可以使用过滤器。 有时，会返回许多文档。无需同时将所有文档都存储在内存中。您可以使用方法的惰性版本，一次获取一个文档。最好使用复杂的查询而不是递归搜索。对于每个文件夹，如果激活 recursive=True，则必须应用查询。
import os

loader = GoogleDriveLoader(
    gdrive_api_file=os.environ["GOOGLE_ACCOUNT_FILE"],
    num_results=2,
    template="gdrive-query",
    filter=lambda search, file: "#test" not in file.get("description", ""),
    query="machine learning",
    supportsAllDrives=False,
)
for doc in loader.load():
    print("---")
    print(doc.page_content.strip()[:60] + "...")
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.