python 调用API接口 获取和解析 Json数据

任务背景：

调用API接口数据，抽取我们所需类型的数据，并写入指定mysql数据库。

先从宏观上看这个任务，并对任务进行分解：

step1：需要学习python下的通过url读取数据的方式；

step2：数据解析，也是核心部分，数据格式从python角度去理解，是字典？列表？还是各种嵌套？

step3：连接mysql数据库，将数据写入。

从功能上看，该数据获取程序可以分为3个方法，即step1对应方法request_data()，step2对应方法parse_data()，step3对应data_to_db()。

第一轮，暂不考虑异常，只考虑正常状态下的功能实现。

1、先看request_data():

import requests
def request_data(url):
req = requests.get(url, timeout=30) # 请求连接
req_jason = req.json() # 获取数据
return req_jason

入参：url地址；return：获取到的数据。

2、然后看parse_data():

不同的API接口下的数据格式各不相同，需要先理清，打开之后密密麻麻一大串，有的可能连完整的一轮数据间隔在哪都不知道，这时候可以巧用符号{ [ , ] }辅助判断。

梳理之后，发现本接口下的数据格式为，最外层为字典，我们所需的数据在第一个key“data”下，data对应的value为列表，列表中的每个元素为字典，字典中的部分键值

即为我们需要的内容。这样，就明确了我们的数据结构为字典套列表，列表再套字典的格式，最后一层的字典还存在一键多值（比如“weather”）的情况。

当然，还有懒人方法，就是百度json在线解析格式化。

摘取部分数据如下：{"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']# 获取data键值下的列表
time_now = datetime.datetime.now().strftime("％Y-％m-％d ％H:％M:％S") #获取当前时刻
for i in range(len(data_trunk)):
 data_unit = data_trunk[i] # 依次获取列表下第i个元素即字典
 del data_unit['weather'] # 删除该字典中不需要的一键多值的key和value，不删除的话会影响后续的dataframe转换，但是，如果该键值需要的话，需要采取其他处理方式
 df = pd.DataFrame([data_unit]) # 将删除键值后的字典转为datafrme
 list_need = ['timestamp_utc', 'wind_dir', 'precip','clouds_hi'] # 列出我们需要的列
 df_need = df[list_need] # 保留df中需要的列  10  df_need.insert(0, 'update_time', time_now) #表格中还需额外增加获取数据的当前时间，并且需要放在dataframe的第一列

备注：数据插入数据库，有两种方式，一种是采用insert的sql语句，采用字典的形式插入，另一种是采用dataframe的方式，采用pandas中的to_sql方法。本案例选择了后者，所以在数据解析时，将字典数据转成dataframe格式。

入参：获取到的数据；return值：无

运行以后，发现这样的程序存在一些问题：就是这个for循环括起来的过多，导致写数据库时是一条条写入而不是一整块写入，会影响程序效率，所以需要对程序进行如下修改：

def parse_data（req_jason):
data_trunk = req_jason['data']# 获取data键值下的列表
time_now = datetime.datetime.now().strftime("％Y-％m-％d ％H:％M:％S") #获取当前时刻
for i in range(len(data_trunk)):
 data_unit = data_trunk[i] # 依次获取列表下第i个元素即字典
 del data_unit['weather'] # 删除该字典中不需要的一键多值的key和value，不删除的话会影响后续的dataframe转换，但是，如果该键值需要的话，需要采取其他处理方式
df = pd.DataFrame(data_trunk) # 将删除键值后的整个列表套字典转为datafrme
list_need = ['timestamp_utc', 'wind_dir', 'precip','clouds_hi'] # 列出我们需要的列
df_need = df[list_need] # 保留df中需要的列
df_need.insert(0, 'update_time', time_now) #表格中还需额外增加获取数据的当前时间，并且需要放在dataframe的第一列

也就是从第7行之后跳出循环；

如果觉得for循环影响整体美观，也可以用map代替，将代码第4/5/6行改为如下代码，不过性能上来说可能还是for循环更好，具体对比可看其他博主的测试，或者自己测试下运行时间。

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)

入参：dataframe类型数据。

当当当，正常部分已完成，就下来就需要想象各种异常以及处理对策。

第二轮，想象各种异常以及异常的记录与处理对策。

1.读取url后，获取不到数据 → 休息几秒，尝试再次重连获取

2.连接数据库异常 → 数据库可能关闭，尝试重新ping，

3.写入数据库的内容为空 → 记录异常，放弃入库

第三轮，让程序定时跑起来。

方法一：在代码中采用apscheduler下的cron功能（trigger='cron‘，类似linux下的crontab）实现定时运行（当然，apscheduler还有另一种trigger=‘interval'模式）；

方法二：在linux下的crontab增加定时任务。

具体可以看别的帖子。

来源：https://www.cnblogs.com/xiamibao/p/13589798.html