Google Spreadsheets Python API v4 技术文档
2024-12-25 11:06:19作者:胡唯隽
1. 安装指南
安装步骤
-
确保你已经安装了Python 3.8或更高版本。
-
使用以下命令安装
gspread库:pip install gspread
依赖项
- Python 3.8+
2. 项目使用说明
基本用法
-
创建Google API凭据:首先,你需要在Google API Console中创建凭据。具体步骤可以参考这里。
-
开始使用gspread:
import gspread gc = gspread.service_account() # 打开一个表格 wks = gc.open("Where is the money Lebowski?").sheet1 # 更新单元格范围 wks.update([[1, 2], [3, 4]], "A1") # 更新单个单元格 wks.update_acell("B42", "it's down there somewhere, let me take another look.") # 格式化表头 wks.format('A1:B1', {'textFormat': {'bold': True}})
从v5.12升级到v6.0
升级Python版本
- Python 3.7已停止支持,gspread v6需要Python 3.8或更高版本。
修改Worksheet.update参数
values和range_name参数的位置已交换。你可以交换它们,或者使用命名参数。values现在必须是二维数组。
# 示例
file.sheet1.update([["54", "55"]], "B2:C2")
# 或者
file.sheet1.update(range_name="B2:C2", values=[["54", "55"]])
3. 项目API使用文档
打开表格
# 通过标题打开表格
sh = gc.open('My poor gym results')
# 通过表格的key打开
sht1 = gc.open_by_key('0BmgG6nO_6dprdS1MN3d3MkdPa142WFRrdnRRUWl1UFE')
# 通过URL打开
sht2 = gc.open_by_url('https://docs.google.com/spreadsheet/ccc?key=0Bm...FE&hl')
创建表格
sh = gc.create('A new spreadsheet')
# 必须与你的邮箱共享新创建的表格
sh.share('otto@example.com', perm_type='user', role='writer')
选择工作表
# 通过索引选择工作表
worksheet = sh.get_worksheet(0)
# 通过标题选择工作表
worksheet = sh.worksheet("January")
# 选择Sheet1
worksheet = sh.sheet1
# 获取所有工作表的列表
worksheet_list = sh.worksheets()
创建工作表
worksheet = sh.add_worksheet(title="A worksheet", rows="100", cols="20")
删除工作表
sh.del_worksheet(worksheet)
获取单元格值
# 通过标签获取值
val = worksheet.get('B1').first()
# 通过坐标获取值
val = worksheet.cell(1, 2).value
获取行或列的所有值
# 获取第一行的所有值
values_list = worksheet.row_values(1)
# 获取第一列的所有值
values_list = worksheet.col_values(1)
获取工作表的所有值
from gspread.utils import GridRangeType
list_of_lists = worksheet.get(return_type=GridRangeType.ListOfLists)
更新单元格
# 更新单个单元格
worksheet.update_acell('B1', 'Bingo!')
# 更新范围
worksheet.update([[1, 2], [3, 4]], 'A1:B2')
# 批量更新
worksheet.batch_update([{
'range': 'A1:B2',
'values': [['A1', 'B1'], ['A2', 'B2']],
}, {
'range': 'J42:K43',
'values': [[1, 2], [3, 4]],
}])
4. 项目安装方式
使用pip安装
pip install gspread
手动安装
-
下载项目源码。
-
解压后进入项目目录。
-
运行以下命令:
python setup.py install
通过以上步骤,你可以成功安装并使用gspread库来操作Google Spreadsheets。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
最新内容推荐
Error Correction Coding——mathematical methods and algorithms:深入理解纠错编码的数学精髓 HP DL380 Gen9iLO固件资源下载:提升服务器管理效率的利器 RTD2270CLW/RTD2280DLW VGA转LVDS原理图下载介绍:项目核心功能与场景 JADE软件下载介绍:专业的XRD数据分析工具 常见材料性能参数pdf下载说明:一键获取材料性能参数,助力工程设计与分析 SVPWM的原理及法则推导和控制算法详解第四修改版:让电机控制更高效 Oracle Instant Client for Microsoft Windows x64 10.2.0.5下载资源:高效访问Oracle数据库的利器 鼎捷软件tiptop5.3技术手册:快速掌握4gl语言的利器 源享科技资料大合集介绍:科技学习者的全面资源库 潘通色标薄全系列资源下载说明:设计师的创意助手
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
745
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134