溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
python 實現調用API接口 獲取和解析 Json數據？很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。
1、先看request_data():
import requests def request_data(url): req = requests.get(url, timeout=30) # 請求連接 req_jason = req.json() # 獲取數據 return req_jason
入參：url地址；return：獲取到的數據。
2、然后看parse_data():
不同的API接口下的數據格式各不相同，需要先理清，打開之后密密麻麻一大串，有的可能連完整的一輪數據間隔在哪都不知道，這時候可以巧用符號{ [ , ] }輔助判斷。
梳理之后，發現本接口下的數據格式為，最外層為字典，我們所需的數據在第一個key“data”下，data對應的value為列表，列表中的每個元素為字典，字典中的部分鍵值
即為我們需要的內容。這樣，就明確了我們的數據結構為字典套列表，列表再套字典的格式，最后一層的字典還存在一鍵多值（比如“weather”）的情況。
當然，還有懶人方法，就是百度json在線解析格式化。
摘取部分數據如下：{"data":[{"timestamp_utc":"2020-08-31T08:00:00","weather":{"icon":"c02d","code":802，
wind_dir":336,"clouds_hi":0,"precip":0.0625},{"timestamp_utc":"2020-08-31T08:00:00","weather":{"icon":"c02d","code":802,}，
wind_dir":336,"clouds_hi":0,"precip":0.0625],"city_name":"Dianbu","lon":117.58,"timezone":"Asia\/Shanghai","lat":31.95,"country_code":"CN"}
def parse_data（req_jason):
data_trunk = req_jason['data']# 獲取data鍵值下的列表
time_now = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S") #獲取當前時刻
for i in range(len(data_trunk)):
data_unit = data_trunk[i] # 依次獲取列表下第i個元素即字典
del data_unit['weather'] # 刪除該字典中不需要的一鍵多值的key和value，不刪除的話會影響后續的dataframe轉換，但是，如果該鍵值需要的話，需要采取其他處理方式
df = pd.DataFrame([data_unit]) # 將刪除鍵值后的字典轉為datafrme
list_need = ['timestamp_utc', 'wind_dir', 'precip','clouds_hi'] # 列出我們需要的列
df_need = df[list_need] # 保留df中需要的列 10 df_need.insert(0, 'update_time', time_now) #表格中還需額外增加獲取數據的當前時間，并且需要放在dataframe的第一列備注：數據插入數據庫，有兩種方式，一種是采用insert的sql語句，采用字典的形式插入，另一種是采用dataframe的方式，采用pandas中的to_sql方法。本案例選擇了后者，所以在數據解析時，將字典數據轉成dataframe格式。
入參：獲取到的數據；return值：無
運行以后，發現這樣的程序存在一些問題：就是這個for循環括起來的過多，導致寫數據庫時是一條條寫入而不是一整塊寫入，會影響程序效率，所以需要對程序進行如下修改：
def parse_data（req_jason):
data_trunk = req_jason['data']# 獲取data鍵值下的列表
time_now = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S") #獲取當前時刻
for i in range(len(data_trunk)):
data_unit = data_trunk[i] # 依次獲取列表下第i個元素即字典
del data_unit['weather'] # 刪除該字典中不需要的一鍵多值的key和value，不刪除的話會影響后續的dataframe轉換，但是，如果該鍵值需要的話，需要采取其他處理方式
df = pd.DataFrame(data_trunk) # 將刪除鍵值后的整個列表套字典轉為datafrme
list_need = ['timestamp_utc', 'wind_dir', 'precip','clouds_hi'] # 列出我們需要的列
df_need = df[list_need] # 保留df中需要的列
df_need.insert(0, 'update_time', time_now) #表格中還需額外增加獲取數據的當前時間，并且需要放在dataframe的第一列也就是從第7行之后跳出循環；
如果覺得for循環影響整體美觀，也可以用map代替，將代碼第4/5/6行改為如下代碼，不過性能上來說可能還是for循環更好，具體對比可看其他博主的測試，或者自己測試下運行時間。
map(data_trunk.pop, ['weather'])
3. 最后就是data_to_sql（）：
def data_to_sql(df):
table = 'request_data_api'
engine = create_engine("mysql+pymysql://" + 'root' + ":" + '123' + "@" + 'localhost' + ":" + '3306' + "/" + 'test' + "?charset=utf8")
df.to_sql(name=table, con=engine, if_exists='append',
index=False, index_label=False)入參：dataframe類型數據。
當當當，正常部分已完成，就下來就需要想象各種異常以及處理對策。
第二輪，想象各種異常以及異常的記錄與處理對策。
1.讀取url后，獲取不到數據 → 休息幾秒，嘗試再次重連獲取
2.連接數據庫異常 → 數據庫可能關閉，嘗試重新ping，
3.寫入數據庫的內容為空 → 記錄異常，放棄入庫
第三輪，讓程序定時跑起來。
方法一：在代碼中采用apscheduler下的cron功能（trigger='cron‘，類似linux下的crontab）實現定時運行（當然，apscheduler還有另一種trigger=‘interval'模式）；
方法二：在linux下的crontab增加定時任務。
看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
