R:下载 Google 云端硬盘公用文件夹中的所有文件

Question

我正在尝试获取使用 Google 云端硬盘公共(public)文件夹共享的 RAIS(巴西员工登记数据集)的数据。这是地址: https://drive.google.com/folderview?id=0ByKsqUnItyBhZmNwaXpnNXBHMzQ&usp=sharing&tid=0ByKsqUnItyBhU2RmdUloTnJGRGM#list

数据每年分为一个文件夹，在每个文件夹中，每个州都有一个文件可供下载。我想在 R 中自动执行所有年份的下载过程，如果不是至少在每年的文件夹中。下载的文件名应遵循手动下载时出现的文件名。

A 懂一点 R，但不会网络编程或网络抓取。这就是我所得到的:通过手动下载 2012 文件的第一个文件，我可以看到我的浏览器用于下载的 URL: https://drive.google.com/uc?id=0ByKsqUnItyBhS2RQdFJ2Q0RrN0k&export=download

因此，我假设文件 ID 是:0ByKsqUnItyBhS2RQdFJ2Q0RrN0k

通过搜索 2012 年页面的 html 代码，我找到了该 ID 和与之关联的文件名:AC2012.7z。所有其他 ID 和文件名都在 html 代码的那部分。因此，假设我可以正确下载文件，我想我至少可以概括其他文件。

在 R 中，我尝试了流畅的代码来下载文件:

url <- "https://drive.google.com/uc?id=0ByKsqUnItyBhS2RQdFJ2Q0RrN0k&export=download"
download.file(url,"AC2012.7z")
unzip("AC2012.7z")

它确实下载了，但在尝试解压缩文件时出现错误(在 R 中和手动使用 7.zip)在 R 中下载的文件一定有问题，因为文件大小 (3.412Kb) 没有匹配我从手动下载文件 (3.399Kb) 中获得的内容

Answer 1

对于今天尝试解决此问题的任何人，您可以使用 googledrive package .

library(googledrive)
ls_tibble <- googledrive::drive_ls(GOOGLE_DRIVE_URL_FOR_THE_TARGET_FOLDER)
for (file_id in ls_tibble$id) {
  googledrive::drive_download(as_id(file_id))
}

这将 (1) 触发一个身份验证页面在您的浏览器中打开，以授权使用 gargle 的 Tidyverse 库代表您的帐户访问 Google 云端硬盘，以及 (2) 下载所有文件该 URL 上的文件夹指向当前 R session 的当前工作目录。