Go to file
liaojack8 ed246ab1f1 translate router.js and add one more func. for tg_bot button 2020-07-04 01:48:13 +08:00
doc add some notes 2020-06-28 02:50:42 -07:00
sa add validate sa script 2020-06-29 23:29:03 +08:00
src translate router.js and add one more func. for tg_bot button 2020-07-04 01:48:13 +08:00
static 一键脚本说明 2020-07-02 12:58:05 +08:00
.gitignore init 2020-06-27 14:19:43 +08:00
check.js init 2020-06-27 14:19:43 +08:00
compare.md init 2020-06-27 14:19:43 +08:00
config.js init 2020-06-27 14:19:43 +08:00
copy log progress without new line 2020-06-30 11:43:39 +08:00
count init 2020-06-27 14:19:43 +08:00
create-table.sql init 2020-06-27 14:19:43 +08:00
db.js init 2020-06-27 14:19:43 +08:00
dedupe init 2020-06-27 14:19:43 +08:00
gdurl.sqlite init 2020-06-27 14:19:43 +08:00
gdutilsbotinstall.sh 更新绑定telegram ID 2020-07-02 01:39:25 +08:00
gdutilscsinstall.sh 修改换行符错误 2020-07-01 20:51:14 +08:00
gdutilsinstall.sh 更新绑定telegram ID 2020-07-02 01:39:25 +08:00
package-lock.json name 2020-06-27 15:32:16 +08:00
package.json readme changelog 2020-06-30 12:10:04 +08:00
readme.md update readme 2020-07-04 01:15:21 +08:00
server.js prevent dead loop 2020-06-27 20:29:05 +08:00
validate-sa.js add validate sa script 2020-06-29 23:29:03 +08:00

readme.md

Google Drive 百宝箱

不只是最快的 google drive 拷贝工具 与其他工具的对比 我就懶的翻譯readme了, 大家自己看吧, 主要新增/修改/翻譯tg_bot介面的部分

一键安装脚本

  • 安装机器人需准备好以下四个条件:
    • 在Telegram上注册好机器人并取得并记录下该机器人TOKEN
    • 一个域名在cloudflare解析到该机器人所在VPS的IP
    • 向机器人@userinfobot获取个人TG账号ID并记录
    • 注册好一个Google team drive加入sa并记录下该盘ID
  • 准备好以上四个条件后复制以下全部内容粘贴到VPS命令行窗口回车即可
    • gdutils项目一键部署脚本包括“查询转存”和“TG机器人”两部分
    bash -c "$(curl -fsSL https://raw.githubusercontent.com/vitaminx/gd-utils/master/gdutilsinstall.sh)"
    
    • gdutils项目一键部署脚本之“转存查询部分”
    bash -c "$(curl -fsSL https://raw.githubusercontent.com/vitaminx/gd-utils/master/gdutilscsinstall.sh)"
    
    • gdutils项目一键部署脚本之“TG机器人部分”
    bash -c "$(curl -fsSL https://raw.githubusercontent.com/vitaminx/gd-utils/master/gdutilsbotinstall.sh)"
    
  • 安装过程中需要输入一下四个参数:
    • 机器人TOKEN这个在Telegram里面找“@BotFather”注册即可获得
    • Telegram用户ID在Telegram里面向机器人@userinfobot发送消息即可获得
    • Google team drive ID即为你转存文件的默认地址脚本强制要求写谷歌团队盘ID
    • 域名你在cloudflare上解析到VPS的域名格式abc.34513.com
    • 脚本安装问题请信息发给TGonekings 或 vitaminor@gmail.com
    • 系统使用问题(如无法转存、重启连不上机器人等等)请联系项目作者@vegg
  • 测试可用完美安装系统:
    • Centos 7/8
    • debian 9/10
    • ubuntu 16.04/18.04/19.10/20.04

demo

https://drive.google.com/drive/folders/124pjM5LggSuwI1n40bcD5tQ13wS0M6wg

更新日志

[2020-06-30]

  • 命令行操作时不换行输出进度信息同时将进度信息输出间隔调整为1秒
  • 隐藏 timeout exceed 报错信息

重要更新2020-06-29

如果你遇到了以下几种问题,请务必阅读此节:

  • 任务异常中断
  • 命令行日志无限循环输出但进度不变
  • 复制完发现丢文件

有不少网友遇到这些问题但是作者一直无法复现直到有tg网友发了张运行日志截图 报错日志的意思是找不到对应的目录ID这种情况会发生在SA没有对应目录的阅读权限的时候。 当进行server side copy时需要向Google的服务器提交要复制的文件ID和复制的位置也就是新创建的目录ID由于在请求时是随机选取的SA所以当选中没有权限的SA时这次拷贝请求没有对应目录的权限就会发生图中的错误。

所以上述这些问题的源头是sa目录下混杂了没有权限的json文件

以下是解决办法:

  • 在项目目录下,执行 git pull 拉取最新代码
  • 执行 ./validate-sa.js -h 查看使用说明
  • 选择一个你的sa拥有阅读权限的目录ID执行 ./validate-sa.js 你的目录ID

程序会读取sa目录下所有json文件依次检查它们是否拥有对 你的目录ID 的阅读权限如果最后发现了无效的SA程序会提供选项允许用户将无效的sa json移动到特定目录。

将无效sa文件移动以后如果你使用了pm2启动需要 pm2 reload server 重启下进程。

操作示例: https://drive.google.com/drive/folders/1iiTAzWF_v9fo_IxrrMYiRGQ7QuPrnxHf

常见问题

下面是一些网友的踩坑心得,如果你配置的时候也不小心掉进坑里,可以进去找找有没有解决办法:

在命令行操作时如果输出 timeout exceed 这样的消息是正常情况不会影响最终结果因为程序对每个请求都有7次重试的机制。 如果timeout的消息比较多可以考虑降低并行请求数下文有具体方法。

复制结束后,如果最后输出的消息里有 未读取完毕的目录ID只需要在命令行执行上次同样的拷贝命令选continue即可继续。

如果你成功复制完以后统计新的文件夹链接发现文件数比源文件夹少说明Google正在更新数据库请给它一点时间。。一般等半小时再统计数据会比较完整。

如果你使用tg操作时发送拷贝命令以后/task 进度始终未开始(在复制文件数超多的文件夹时常会发生),是正常现象。 这是因为程序正在获取源文件夹的所有文件信息。它的运行机制严格按照以下顺序:

1、获取源文件夹所有文件信息 2、根据源文件夹的目录结构在目标文件夹创建目录 3、所有目录创建完成后开始复制文件

如果源文件夹的文件数非常多(一百万以上),请一定在命令行进行操作因为程序运行的时候会把文件信息保存在内存中文件数太多的话容易内存占用太多被nodejs干掉。可以像这样执行命令

 node --max-old-space-size=4096 count folder-id -S

这样进程就能最大占用4G内存了。

搭建过程

https://drive.google.com/drive/folders/1Lu7Cwh9lIJkfqYDIaJrFpzi8Lgdxr4zT

需要注意的地方:

  • 视频中省略了一个比较重要的步骤就是从本地上传service account授权文件到 sa 目录下tg机器人的所有操作都是通过sa授权的所以你们别忘了。。
  • 视频中nginx的配置里server_name就是你的二级域名需要和cloudflare的设置一样mybbbottt我分开录的视频所以没做到一致。
  • 还有省略的步骤就是注册域名和把域名托管到cloudflare了这一步网上太多资料了甚至也有免费注册一年域名的地方 https://www.freenom.com/ ),具体教程大家搜搜看吧。

功能简介

本工具目前支持以下功能:

  • 统计任意您拥有相关权限的下同不再赘述目录的文件信息且支持以各种形式html, table, json导出。
    支持中断恢复且统计过的目录包括其所有子孙目录信息会记录在本地数据库文件中gdurl.sqlite 请在本项目目录下命令行输入 ./count -h 查看使用帮助

  • 拷贝任意目录所有文件到您指定目录,同样支持中断恢复。 支持根据文件大小过滤,可输入 ./copy -h 查看使用帮助

  • 对任意目录进行去重删除同一目录下的md5值相同的文件只保留一个删除空目录。 命令行输入 ./dedupe -h 查看使用帮助

  • 在 config.js 里完成相关配置后,可以将本项目部署在(可正常访问谷歌服务的)服务器上,提供 http api 文件统计接口

  • 支持 telegram bot配置完成后上述功能均可通过 bot 进行操作

环境配置

本工具需要安装nodejs客户端安装请访问https://nodejs.org/zh-cn/download/,服务器安装可参考https://github.com/nodesource/distributions/blob/master/README.md#debinstall

建议选择v12版本的node以防接下来安装依赖出错。

如果你的网络环境无法正常访问谷歌服务,需要先在命令行进行一些配置:(如果可以正常访问则跳过此节)

http_proxy="YOUR_PROXY_URL" && https_proxy=$http_proxy && HTTP_PROXY=$http_proxy && HTTPS_PROXY=$http_proxy

请把YOUR_PROXY_URL替换成你自己的代理地址

依赖安装

  • 命令行执行git clone https://github.com/iwestlin/gd-utils && cd gd-utils 克隆并切换到本项目文件夹下
  • 执行 npm install --unsafe-perm=true --allow-root 安装依赖,部分依赖可能需要代理环境才能下载,所以需要上一步的配置

如果在安装过程中发生报错请切换nodejs版本到v12再试。如果报错信息里有Error: not found: make之类的消息说明你的命令行环境缺少make命令可参考这里或直接google搜索Make Command Not Found

如果报错信息里有 better-sqlite3,先执行 npm config set unsafe-perm=true 然后 rm -rf node_module 删掉依赖目录,最后再执行下npm i安装试试。

依赖安装完成后,项目文件夹下会多出个node_modules目录,请不要删除它,接下来进行下一步配置。

Service Account 配置

强烈建议使用service account后称SA, 获取方法请参见 https://gsuitems.com/index.php/archives/13/ 获取到 SA 的 json 文件后,请将其拷贝到 sa 目录下

配置好 SA 以后,如果你不需要对个人盘下的文件进行操作,可跳过[个人帐号配置]这节,而且执行命令的时候,记得带上 -S 参数告诉程序使用SA授权进行操作。

个人帐号配置

  • 命令行执行 rclone config file 找到 rclone 的配置文件路径
  • 打开这个配置文件 rclone.conf, 找到 client_id, client_secretrefresh_token 这三个变量,将其分别填入本项目下的 config.js需要注意这三个值必须被成对的英文引号包裹且引号后以英文逗号结尾也就是需要符合JavaScript的对象语法

如果你没有配置过rclone可以搜索rclone google drive 教程完成相关配置。

如果你的rclone.conf里没有client_idclient_secret说明你配置rclone的时候默认用了rclone自己的client_id连rclone自己都不建议这样做,因为大家共享了它的接口调用限额,在使用高峰期可能会触发限制。

获取自己的clinet_id可以参见这两篇文章Cloudbox/wiki/Google-Drive-API-Client-ID-and-Client-Secrethttps://p3terx.com/archives/goindex-google-drive-directory-index.html#toc_2

获取到client_id和client_secret后再次执行一遍rclone config创建一个新的remote在配置过程中一定要填入你新获取的clinet_id和client_secret,就能在rclone.conf里看到新获取的refresh_token了。注意不能使用之前的refrest_token因为它对应的是rclone自带的client_id

参数配置好以后,在命令行执行 node check.js,如果命令返回了你的谷歌硬盘根目录的数据,说明配置成功,可以开始使用本工具了。

Bot配置

如果要使用 telegram bot 功能,需要进一步配置。

首先在 https://core.telegram.org/bots#6-botfather 根据指示拿到 bot 的 token然后填入 config.js 中的 tg_token 变量。

然后获取自己的 telegram username这个username不是显示的名称而是tg个人网址后面的那串字符比如我的tg个人网址是 https://t.me/viegg ,用户名就是 viegg获取用户名的目的是在代码里配置白名单只允许特定的用户调用机器人。将username填入 config.js里的配置,像这样: tg_whitelist: ['viegg'],就代表只允许我自己使用这个机器人了。

如果想把机器人的使用权限分享给别的用户,只需要改成这样子: tg_whitelist: ['viegg', '其他人的username']

接下来需要将代码部署到服务器上。 如果你一开始就是在服务器上配置的,可以直接执行npm i pm2 -g

如果你之前是在本地操作的,请在服务器上同样重复一遍,配置好相关参数后,执行npm i pm2 -g安装进程守护程序pm2

安装好pm2之后执行 pm2 start server.js,代码运行后会在服务器上监听23333端口。

如果你启动程序后想看运行日志,执行 pm2 logs

查看 pm2 守护的进程列表,执行 pm2 l

停止运行中的进程,执行 pm2 stop 对应的进程名称

如果你修改了代码中的配置,需要 pm2 reload server 才能生效

如果你不想用nginx可以将server.js中的23333改成80直接监听80端口可能需要root权限

接下来可通过nginx或其他工具起一个web服务示例nginx配置

server {
  listen 80;
  server_name your.server.name;

  location / {
    proxy_set_header Host $host;
    proxy_set_header X-Real-IP $remote_addr;
    proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    proxy_pass http://127.0.0.1:23333/;
  }
}

配置好nginx后可以再套一层cloudflare具体教程请自行搜索。

检查网站是否部署成功可以命令行执行请将YOUR_WEBSITE_URL替换成你的网址

curl 'YOUR_WEBSITE_URL/api/gdurl/count?fid=124pjM5LggSuwI1n40bcD5tQ13wS0M6wg'

如果返回了这样的文件统计,说明部署成功了。

最后,在命令行执行(请将[YOUR_WEBSITE]和[YOUR_BOT_TOKEN]分别替换成你自己的网址和bot token

curl -F "url=[YOUR_WEBSITE]/api/gdurl/tgbot" 'https://api.telegram.org/bot[YOUR_BOT_TOKEN]/setWebhook'

这样,就将你的服务器连接上你的 telegram bot 了试着给bot发送个 /help,如果它回复给你使用说明,那就配置成功了。

补充说明

config.js文件里,还有另外的几个参数:

// 单次请求多少毫秒未响应以后超时基准值若连续超时则下次调整为上次的2倍
const TIMEOUT_BASE = 7000

// 最大超时设置比如某次请求第一次7s超时第二次14s第三次28s第四次56s第五次不是112s而是60s后续同理
const TIMEOUT_MAX = 60000

const LOG_DELAY = 5000 // 日志输出时间间隔,单位毫秒
const PAGE_SIZE = 1000 // 每次网络请求读取目录下的文件数数值越大越有可能超时不得超过1000

const RETRY_LIMIT = 7 // 如果某次请求失败,允许其重试的最大次数
const PARALLEL_LIMIT = 20 // 网络请求的并行数量,可根据网络环境调整

const DEFAULT_TARGET = '' // 必填拷贝默认目的地ID如果不指定target则会拷贝到此处建议填写团队盘ID注意要用英文引号包裹

读者可根据各自情况进行调整

注意事项

程序的原理是调用了google drive官方接口,递归获取目标文件夹下所有文件及其子文件夹信息,粗略来讲,某个目录下包含多少个文件夹,就至少需要这么多次请求才能统计完成。

目前尚不知道google是否会对接口做频率限制也不知道会不会影响google账号本身的安全。

请勿滥用,后果自负