使用 Microsoft OneDrive 加载文档的指南

shuoac

于 2025-02-28 00:49:57 发布

阅读量973

点赞数 30

CC 4.0 BY-SA版权

文章标签： microsoft onedrive python

本文链接：https://blog.csdn.net/shuoac/article/details/145917311

技术背景介绍

Microsoft OneDrive（以前称为SkyDrive）是由微软运营的文件托管服务。通过OneDrive，你可以在云端存储和共享文档、照片、视频等数据。本文将介绍如何从OneDrive加载文档，目前支持的文件格式包括docx、doc和pdf。

核心原理解析

为了能够从OneDrive加载文档，需要进行以下几个步骤：

注册应用程序以获取客户端ID和密钥。
获取OneDrive的Drive ID。
使用o365库进行身份验证并加载文档。

代码实现演示(重点)

准备工作

注册应用程序
首先，你需要在微软身份验证平台注册一个应用程序。在完成注册后，会获得一个Application (client) ID（即客户端ID）。在注册过程中，可以将重定向URI设置为http://localhost:8000/callback，并生成一个新的客户端密钥。
添加权限范围
按照微软文档中的说明，为应用程序添加offline_access和Files.Read.All权限范围。
获取OneDrive ID
使用Graph Explorer登录并请求https://graph.microsoft.com/v1.0/me/drive来获取OneDrive ID。
安装o365库
```
pip install o365
```

代码实施

在获取上述信息后，可以通过以下代码实现从OneDrive加载文档。

步骤1：设置环境变量

将客户端ID和密钥存储为环境变量：

import os

os.environ['O365_CLIENT_ID'] = "YOUR CLIENT ID"
os.environ['O365_CLIENT_SECRET'] = "YOUR CLIENT SECRET"

步骤2：身份验证

当你实例化OneDriveLoader时，它会打印一个URL，用户需要访问该URL并给予应用程序所需的权限，然后将结果页面的URL复制并粘贴回控制台。

from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID")

用户完成上述步骤后，若登录成功，方法会返回True。之后令牌会存储在~/.credentials/folder，你可以使用此令牌进行后续的身份验证。

步骤3：使用存储的令牌进行认证

在后续使用中，可以通过设置 auth_with_token=True 来使用存储的令牌。

from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID", auth_with_token=True)

步骤4：从特定文件夹加载文档

from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID", folder_path="Documents/clients", auth_with_token=True)
documents = loader.load()

步骤5：从指定文档ID加载文档

首先，通过Microsoft Graph API获取文档ID：

# 示例请求
# https://graph.microsoft.com/v1.0/drives/{YOUR DRIVE ID}/root/children

然后使用这些ID加载文档：

from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID", object_ids=["ID_1", "ID_2"], auth_with_token=True)
documents = loader.load()