Google 表格发布的 csv 有时会产生 html 而不是 csv答案

【问题标题】：Google sheets published csv sometimes yields html instead of csvGoogle 表格发布的 csv 有时会产生 html 而不是 csv
【发布时间】：2020-11-18 22:27:44
【问题描述】：

以下代码

url = 'https://docs.google.com/spreadsheets/d/e/2PACX-1vQDGHMz-ynciGYoHe7Nma6r99qHkscebte8I9COd6dmGZ4jWZtA4_q7U3NT9cPut3v6pmZY5errsS0R/pub?gid=0&single=true&output=csv'

import requests, io
r = requests.get(url)
data = r.content

import pandas as pd
print(data)
df = pd.read_csv(io.BytesIO(data), encoding='utf8', sep=",")

有输出

b'\n<!DOCTYPE html>\n<html lang="en">\n  <head>\n  <meta charset="utf-8">[...];\n  </script>\n  </body>\n</html>\n'
Traceback (most recent call last):
  File "test.py", line 10, in <module>
    df = pd.read_csv(io.BytesIO(data), encoding='utf8', sep=",")
  File "C:\Users\dleve\anaconda3\envs\aaroneller\lib\site-packages\pandas\io\parsers.py", line 686, in read_csv
    return _read(filepath_or_buffer, kwds)
  File "C:\Users\dleve\anaconda3\envs\aaroneller\lib\site-packages\pandas\io\parsers.py", line 458, in _read
    data = parser.read(nrows)
  File "C:\Users\dleve\anaconda3\envs\aaroneller\lib\site-packages\pandas\io\parsers.py", line 1196, in read
    ret = self._engine.read(nrows)
  File "C:\Users\dleve\anaconda3\envs\aaroneller\lib\site-packages\pandas\io\parsers.py", line 2155, in read
    data = self._reader.read(nrows)
  File "pandas\_libs\parsers.pyx", line 847, in pandas._libs.parsers.TextReader.read
  File "pandas\_libs\parsers.pyx", line 862, in pandas._libs.parsers.TextReader._read_low_memory
  File "pandas\_libs\parsers.pyx", line 918, in pandas._libs.parsers.TextReader._read_rows
  File "pandas\_libs\parsers.pyx", line 905, in pandas._libs.parsers.TextReader._tokenize_rows
  File "pandas\_libs\parsers.pyx", line 2042, in pandas._libs.parsers.raise_parser_error
pandas.errors.ParserError: Error tokenizing data. C error: Expected 1 fields in line 6, saw 2

数据输出更长。

pd.read_csv(url) 显示相同的错误，所以我相信数据是 pd.read_csv 接收内容的准确显示。为什么是 html 而不是 csv？

请注意，以下链接以完全相同的方式获得（发布到 csv）会产生 csv 输出。

url = 'https://docs.google.com/spreadsheets/d/e/2PACX-1vQG30aRS6AcBtWEzeDQtJJXxwwrDHCg0fqKo3v4GgO5ijbWks__htH0gIQqgb6sQDK4Q87aFttaAijf/pub?gid=0&single=true&output=csv'

import requests, io
r = requests.get(url)
data = r.content

import pandas as pd
print(data)
df = pd.read_csv(io.BytesIO(data), encoding='utf8', sep=",")

生产

b'A,B,C\r\n1,2,3\r\n4,5,6'

并且 pd.read_csv(url) 在这种情况下有效。

【问题讨论】：

标签： python html pandas csv

【解决方案1】：

您的第一个 url 链接到一个不允许所有用户访问的 Google 表格文档，因此它会生成一个 HTML 响应，告诉用户请求表格所有者的授权。第二个 url 链接到一个 Google 表格文档，任何人都可以使用该链接访问它，因此它会按预期生成 CSV。

【讨论】：

【解决方案2】：

您正在阅读对 url 的响应，它是一个 Google Sheet csv 下载链接，而不是 csv 本身。内容将是 html。

【讨论】：

其实没那么简单；一个几乎相同的示例 url = 'docs.google.com/spreadsheets/d/e/…' 提供了 csv 输出。