Heim Backend-Entwicklung Python-Tutorial So rufen Sie die API in Python auf

So rufen Sie die API in Python auf

Jun 10, 2023 pm 05:09 PM
python api调用 api调用方法 python requests模块

Python ist eine höhere Programmiersprache, die sich ideal für die Integration von APIs oder Anwendungsprogrammierschnittstellen eignet. APIs sind in der Regel von Websites und verschiedener Software bereitgestellte Schnittstellen, die den Datenaustausch und die Kommunikation zwischen verschiedenen Programmen ermöglichen. Der Aufruf von APIs in Python kann uns dabei helfen, Daten einfach abzurufen und in unsere Anwendungen zu integrieren.

In diesem Artikel stellen wir vor, wie man eine API in Python aufruft und wie man sie in tatsächlichen Projekten anwendet. Unser Beispiel ist ein Aufruf der OpenWeatherMap API, einem Onlinedienst, der Wetterdaten bereitstellt.

Schritt 1: Registrieren Sie sich und erhalten Sie einen API-Schlüssel

Die meisten APIs fordern Sie auf, sich zu registrieren und dann einen API-Schlüssel bereitzustellen, um auf ihre Daten zuzugreifen. In OpenWeatherMap müssen Sie sich auf der Website https://home.openweathermap.org/users/sign_up registrieren und einen API-Schlüssel erhalten. Nach der Anmeldung sehen Sie Ihren API-Schlüssel.

Schritt 2: Installieren Sie das Requests-Modul

Das Requests-Modul ist ein wichtiges Tool für die Verwendung von APIs in Python. Wenn Sie es noch nie installiert haben, führen Sie „pip install request“ im Terminal oder in der Befehlszeile aus, um das Anforderungsmodul zu installieren.

Schritt 3: API-Anfragen erstellen

Erkunden Sie die API, indem Sie eine HTTP-GET-Anfrage mit der get()-Methode im Anforderungsmodul senden. Um beispielsweise Wetterdaten für eine Stadt abzurufen, verwenden Sie den folgenden Code:

import requests

url = "http://api.openweathermap.org/data/2.5/weather?q={}&appid={}"
city = "San Francisco"
api_key = "{your_api_key}"

response = requests.get(url.format(city, api_key))

if response.status_code == 200:
    data = response.json()
    print(data)
else:
    print("Error fetching data from API")
Nach dem Login kopieren

Sie müssen „{your_api_key}“ durch Ihren API-Schlüssel ersetzen und dann den Namen der Stadt in die URL einfügen. Durch Ausführen dieses Codes können wir die von der OpenWeatherMap-API zurückgegebenen Daten im JSON-Format abrufen.

Schritt 4: Interpretieren Sie die API-Antwort

API-Antworten werden normalerweise im JSON-Format zurückgegeben. Diese Antworten enthalten Informationen über die API-Anfrage, wie Erfolgs- oder Fehlermeldungen, und die von uns benötigten Daten. Im obigen Code analysieren wir die API-Antwort in JSON und speichern sie in der Variablen „data“. Wir können auf bestimmte Datenelemente zugreifen, wie z. B. aktuelle Temperatur, Windgeschwindigkeit usw.

Schritt 5: Wenden Sie die erfassten Daten auf Ihre Anwendung an

Schließlich müssen wir die erfassten Daten auf unsere Anwendung anwenden. Dies kann durch die Verwendung von aus der API-Antwort extrahierten Daten erfolgen.

Das Folgende ist ein vollständiges Python-Skript, das die OpenWeatherMap-API aufruft und das Wetter anzeigt:

import requests
import tkinter as tk

HEIGHT = 500
WIDTH = 600

def get_weather(city):
    url = "http://api.openweathermap.org/data/2.5/weather?q={}&appid={}"
    api_key = "{your_api_key}"
    response = requests.get(url.format(city, api_key))
    if response.status_code == 200:
        data = response.json()
        name = data['name']
        desc = data['weather'][0]['description']
        temp = data['main']['temp']
        humidity = data['main']['humidity']
        wind_speed = data['wind']['speed']
        label['text'] = 'City: %s
Conditions: %s
Temperature (Celsius): %s
Humidity: %s
Wind Speed(kmph): %s' % (name, desc, temp-273.15, humidity, wind_speed)
    else:
        label['text'] = 'Error fetching data from API'
def display_weather():
    city = city_entry.get()
    get_weather(city)

root = tk.Tk()

canvas = tk.Canvas(root, height=HEIGHT, width=WIDTH)
canvas.pack()

frame = tk.Frame(root, bg='#80c1ff', bd=5)
frame.place(relx=0.5, rely=0.1, relwidth=0.75, relheight=0.1, anchor='n')

city_entry = tk.Entry(frame, font=40)
city_entry.place(relwidth=0.65, relheight=1)

button = tk.Button(frame, text="Get Weather", font=40, command=display_weather)
button.place(relx=0.7, relheight=1, relwidth=0.3)

lower_frame = tk.Frame(root, bg='#80c1ff', bd=10)
lower_frame.place(relx=0.5, rely=0.3, relwidth=0.75, relheight=0.5, anchor='n')

label = tk.Label(lower_frame, font=('Courier', 18))
label.place(relwidth=1, relheight=1)

root.mainloop()
Nach dem Login kopieren

Dieses Python-Skript verwendet die TKinter-Bibliothek, um eine einfache GUI zu erstellen, die es dem Benutzer ermöglicht, einen Stadtnamen einzugeben und dann Wetterdaten dazu anzuzeigen Stadt auf dem Bildschirm. Dies ist genau die Kernidee von API-Aufrufen – mit anderen Anwendungen zu kommunizieren, um Daten zu erhalten und diese dann in Ihrer Anwendung zu verwenden.

Fazit

In Python ist das Abrufen von Daten mithilfe der API sehr einfach. Zu den Schritten gehören das Registrieren und Erhalten eines API-Schlüssels, die Installation des Anforderungsmoduls, das Erstellen von API-Anfragen, das Parsen von API-Antworten und die Verwendung der Daten in Ihrer Anwendung. Durch den Aufruf der API können Sie ganz einfach alle benötigten Daten abrufen und diese in Ihre Python-Anwendung integrieren.

Das obige ist der detaillierte Inhalt vonSo rufen Sie die API in Python auf. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
2 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Repo: Wie man Teamkollegen wiederbelebt
1 Monate vor By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Abenteuer: Wie man riesige Samen bekommt
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

So verwenden Sie Python, um die ZiPF -Verteilung einer Textdatei zu finden So verwenden Sie Python, um die ZiPF -Verteilung einer Textdatei zu finden Mar 05, 2025 am 09:58 AM

Dieses Tutorial zeigt, wie man Python verwendet, um das statistische Konzept des Zipf -Gesetzes zu verarbeiten, und zeigt die Effizienz des Lesens und Sortierens großer Textdateien von Python bei der Bearbeitung des Gesetzes. Möglicherweise fragen Sie sich, was der Begriff ZiPF -Verteilung bedeutet. Um diesen Begriff zu verstehen, müssen wir zunächst das Zipf -Gesetz definieren. Mach dir keine Sorgen, ich werde versuchen, die Anweisungen zu vereinfachen. Zipf -Gesetz Das Zipf -Gesetz bedeutet einfach: In einem großen natürlichen Sprachkorpus erscheinen die am häufigsten vorkommenden Wörter ungefähr doppelt so häufig wie die zweiten häufigen Wörter, dreimal wie die dritten häufigen Wörter, viermal wie die vierten häufigen Wörter und so weiter. Schauen wir uns ein Beispiel an. Wenn Sie sich den Brown Corpus in amerikanischem Englisch ansehen, werden Sie feststellen, dass das häufigste Wort "Th ist

Bildfilterung in Python Bildfilterung in Python Mar 03, 2025 am 09:44 AM

Der Umgang mit lauten Bildern ist ein häufiges Problem, insbesondere bei Mobiltelefonen oder mit geringen Auflösungskamera-Fotos. In diesem Tutorial wird die Bildfilterungstechniken in Python unter Verwendung von OpenCV untersucht, um dieses Problem anzugehen. Bildfilterung: Ein leistungsfähiges Werkzeug Bildfilter

Wie benutze ich eine schöne Suppe, um HTML zu analysieren? Wie benutze ich eine schöne Suppe, um HTML zu analysieren? Mar 10, 2025 pm 06:54 PM

In diesem Artikel wird erklärt, wie man schöne Suppe, eine Python -Bibliothek, verwendet, um HTML zu analysieren. Es beschreibt gemeinsame Methoden wie find (), find_all (), select () und get_text () für die Datenextraktion, die Behandlung verschiedener HTML -Strukturen und -Anternativen (SEL)

Einführung in die parallele und gleichzeitige Programmierung in Python Einführung in die parallele und gleichzeitige Programmierung in Python Mar 03, 2025 am 10:32 AM

Python, ein Favorit für Datenwissenschaft und Verarbeitung, bietet ein reichhaltiges Ökosystem für Hochleistungs-Computing. Die parallele Programmierung in Python stellt jedoch einzigartige Herausforderungen dar. Dieses Tutorial untersucht diese Herausforderungen und konzentriert sich auf die globale Interprete

Wie führe ich ein tiefes Lernen mit Tensorflow oder Pytorch durch? Wie führe ich ein tiefes Lernen mit Tensorflow oder Pytorch durch? Mar 10, 2025 pm 06:52 PM

Dieser Artikel vergleicht TensorFlow und Pytorch für Deep Learning. Es beschreibt die beteiligten Schritte: Datenvorbereitung, Modellbildung, Schulung, Bewertung und Bereitstellung. Wichtige Unterschiede zwischen den Frameworks, insbesondere bezüglich des rechnerischen Graps

So implementieren Sie Ihre eigene Datenstruktur in Python So implementieren Sie Ihre eigene Datenstruktur in Python Mar 03, 2025 am 09:28 AM

Dieses Tutorial zeigt, dass eine benutzerdefinierte Pipeline -Datenstruktur in Python 3 erstellt wird, wobei Klassen und Bedienerüberladungen für verbesserte Funktionen genutzt werden. Die Flexibilität der Pipeline liegt in ihrer Fähigkeit, eine Reihe von Funktionen auf einen Datensatz GE anzuwenden

Serialisierung und Deserialisierung von Python -Objekten: Teil 1 Serialisierung und Deserialisierung von Python -Objekten: Teil 1 Mar 08, 2025 am 09:39 AM

Serialisierung und Deserialisierung von Python-Objekten sind Schlüsselaspekte eines nicht trivialen Programms. Wenn Sie etwas in einer Python -Datei speichern, führen Sie eine Objektserialisierung und Deserialisierung durch, wenn Sie die Konfigurationsdatei lesen oder auf eine HTTP -Anforderung antworten. In gewisser Weise sind Serialisierung und Deserialisierung die langweiligsten Dinge der Welt. Wen kümmert sich um all diese Formate und Protokolle? Sie möchten einige Python -Objekte bestehen oder streamen und sie zu einem späteren Zeitpunkt vollständig abrufen. Dies ist eine großartige Möglichkeit, die Welt auf konzeptioneller Ebene zu sehen. Auf praktischer Ebene können das von Ihnen ausgewählte Serialisierungsschema, Format oder Protokoll jedoch die Geschwindigkeit, Sicherheit, den Status der Wartungsfreiheit und andere Aspekte des Programms bestimmen

Mathematische Module in Python: Statistik Mathematische Module in Python: Statistik Mar 09, 2025 am 11:40 AM

Das Statistikmodul von Python bietet leistungsstarke Datenstatistikanalysefunktionen, mit denen wir die allgemeinen Merkmale von Daten wie Biostatistik und Geschäftsanalyse schnell verstehen können. Anstatt Datenpunkte nacheinander zu betrachten, schauen Sie sich nur Statistiken wie Mittelwert oder Varianz an, um Trends und Merkmale in den ursprünglichen Daten zu ermitteln, die möglicherweise ignoriert werden, und vergleichen Sie große Datensätze einfacher und effektiv. In diesem Tutorial wird erläutert, wie der Mittelwert berechnet und den Grad der Dispersion des Datensatzes gemessen wird. Sofern nicht anders angegeben, unterstützen alle Funktionen in diesem Modul die Berechnung der Mittelwert () -Funktion, anstatt einfach den Durchschnitt zu summieren. Es können auch schwimmende Punktzahlen verwendet werden. zufällig importieren Statistiken importieren Aus Fracti

See all articles