任務(wù)背景：

調(diào)用API接口數(shù)據(jù)，抽取我們所需類型的數(shù)據(jù)，并寫入指定mysql數(shù)據(jù)庫。

先從宏觀上看這個任務(wù)，并對任務(wù)進(jìn)行分解：

step1：需要學(xué)習(xí)python下的通過url讀取數(shù)據(jù)的方式；

step2：數(shù)據(jù)解析，也是核心部分，數(shù)據(jù)格式從python角度去理解，是字典？列表？還是各種嵌套？

step3：連接mysql數(shù)據(jù)庫，將數(shù)據(jù)寫入。

從功能上看，該數(shù)據(jù)獲取程序可以分為3個方法，即step1對應(yīng)方法request_data()，step2對應(yīng)方法parse_data()，step3對應(yīng)data_to_db()。

第一輪，暫不考慮異常，只考慮正常狀態(tài)下的功能實(shí)現(xiàn)。

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(shù)據(jù)
 return req_jason 

入?yún)ⅲ簎rl地址；return：獲取到的數(shù)據(jù)。

2、然后看parse_data():

不同的API接口下的數(shù)據(jù)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(shù)據(jù)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(fā)現(xiàn)本接口下的數(shù)據(jù)格式為，最外層為字典，我們所需的數(shù)據(jù)在第一個key“data”下，data對應(yīng)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(nèi)容。這樣，就明確了我們的數(shù)據(jù)結(jié)構(gòu)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(dāng)然，還有懶人方法，就是百度json在線解析格式化。

摘取部分?jǐn)?shù)據(jù)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(dāng)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(xù)的dataframe轉(zhuǎn)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(zhuǎn)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(shù)據(jù)的當(dāng)前時間，并且需要放在dataframe的第一列

備注：數(shù)據(jù)插入數(shù)據(jù)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(shù)據(jù)解析時，將字典數(shù)據(jù)轉(zhuǎn)成dataframe格式。

入?yún)ⅲ韩@取到的數(shù)據(jù)；return值：無

運(yùn)行以后，發(fā)現(xiàn)這樣的程序存在一些問題：就是這個for循環(huán)括起來的過多，導(dǎo)致寫數(shù)據(jù)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(jìn)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(dāng)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(xù)的dataframe轉(zhuǎn)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(zhuǎn)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(shù)據(jù)的當(dāng)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(huán)；

如果覺得for循環(huán)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(huán)更好，具體對比可看其他博主的測試，或者自己測試下運(yùn)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?yún)ⅲ篸ataframe類型數(shù)據(jù)。

當(dāng)當(dāng)當(dāng)，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(shù)據(jù) → 休息幾秒，嘗試再次重連獲取

2.連接數(shù)據(jù)庫異常 → 數(shù)據(jù)庫可能關(guān)閉，嘗試重新ping，

3.寫入數(shù)據(jù)庫的內(nèi)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(shí)現(xiàn)定時運(yùn)行（當(dāng)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(wù)。

具體可以看別的帖子。

以上就是python 調(diào)用API接口 獲取和解析 Json數(shù)據(jù)的詳細(xì)內(nèi)容，更多關(guān)于python 解析數(shù)據(jù)的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論