一、API接口概述

今天我們來(lái)講一種更快捷的獲取數(shù)據(jù)的方式，通過(guò)API數(shù)據(jù)接口抓取數(shù)據(jù)。

API接口是負(fù)責(zé)傳遞數(shù)據(jù)的，在現(xiàn)今已存在的網(wǎng)站中，除了極個(gè)別非常古老的網(wǎng)站，大部分的網(wǎng)站都會(huì)采用API進(jìn)行數(shù)據(jù)的傳輸。那么為什么API接口這么受歡迎呢，那當(dāng)然是其帶來(lái)了很多的好處，最直觀的便是節(jié)省了開(kāi)發(fā)的大量時(shí)間、大量金錢(qián)。舉個(gè)例子：一個(gè)編程團(tuán)隊(duì)想制作一個(gè)游戲，在這個(gè)游戲里有付費(fèi)的功能，那么就需要有一個(gè)支付的平臺(tái)，而眾所周知，支付平臺(tái)是需要有很大能力去保證安全且需要一定的資金還有資質(zhì)的，普通的團(tuán)隊(duì)壓根搞不起啊，所以，這個(gè)團(tuán)隊(duì)，就需要用到“API接口”，他可以接入其他的支付平臺(tái)API接口實(shí)現(xiàn)支付功能，這樣就省去了很多的麻煩。所以，不例外的我們要獲取的數(shù)據(jù)也是可以通過(guò)API接口傳遞到頁(yè)面中的，那么如何利用好API接口，這便是我們要學(xué)習(xí)的了。

二、API接口結(jié)構(gòu)

API接口長(zhǎng)什么樣子呢，請(qǐng)繼續(xù)看：

https://v.api.aa1.cn/api/api-qq-gj/index.php?qq=xxxxx&num=xx&vip=x

上方這個(gè)URL便是一個(gè)API接口，它是由請(qǐng)求地址和請(qǐng)求參數(shù)兩部分構(gòu)成的，請(qǐng)求地址和請(qǐng)求參數(shù)之間使用?連接，請(qǐng)求參數(shù)要寫(xiě)成key=value的形式（我們常說(shuō)的鍵值對(duì)），如果同時(shí)有多個(gè)請(qǐng)求參數(shù)，請(qǐng)求參數(shù)之前使用&連接。

請(qǐng)求地址，顧名思義就是你請(qǐng)求的服務(wù)器的入口；請(qǐng)求參數(shù)，就是按照設(shè)定你得告訴服務(wù)器你要做什么。相信大家也嘗試打開(kāi)這個(gè)鏈接了，結(jié)果發(fā)現(xiàn)什么也沒(méi)有，那是因?yàn)檫@個(gè)API的請(qǐng)求參數(shù)設(shè)定不正確。

這是一個(gè)QQ價(jià)格評(píng)估接口，這是它需要的參數(shù)信息以及返回結(jié)果信息：

我們只需要按照上圖的信息稍微修改下，便能得到想要的信息。

https://v.api.aa1.cn/api/api-qq-gj/index.php?qq=1766*****6&num=68&vip=1

這便是我的QQ的評(píng)估價(jià)格

那么API接口的數(shù)據(jù)如何被爬蟲(chóng)獲取到呢？

三、requests請(qǐng)求API

API接口的請(qǐng)求就是簡(jiǎn)單的requests代碼的編寫(xiě)，一定注意要把API寫(xiě)對(duì)。

從前文講requests到現(xiàn)在講爬取接口，我們一直使用的是get請(qǐng)求方式，后續(xù)會(huì)單獨(dú)講一次post請(qǐng)求。另外，一般爬取開(kāi)放的API不需要對(duì)爬蟲(chóng)添加偽裝，但是如果是爬取某些大型網(wǎng)站的API接口，可能會(huì)需要傳遞你登錄這個(gè)網(wǎng)站的賬號(hào)密碼、headers等參數(shù)。

import requests

API_URL = 'https://v.api.aa1.cn/api/api-qq-gj/index.php?qq=1766*****706&num=68&vip=1'
response = requests.get(url=API_URL)
result = response.text if response.status_code == 200 else '{}'
print(result)

上方代碼執(zhí)行后結(jié)果是這樣的：

{"code":"1","qq":"176***5706","money": "112","dengji":"68級(jí) ","vip":"非會(huì)員"}

大家看到這個(gè)結(jié)果感覺(jué)很熟悉，像Python中的字典，但不完全是。API接口中的數(shù)據(jù)是JSON數(shù)據(jù)，被我們拿出來(lái)以后就變成了字符串。但是我們是可以將JSON數(shù)據(jù)轉(zhuǎn)換為Python的字典類(lèi)型的。

import json

# 字符串序列化
data = json.loads(result)
print(data, type(data))
# {'code': '1', 'qq': '1766935706', 'money': '112', 'dengji': '68級(jí) ', 'vip': '非會(huì)員'} <class 'dict'>

# 提取QQ估價(jià)
print(data['money'])
# 112

 至此，我們遍能夠拿到API接口中的數(shù)據(jù)了。

五、在網(wǎng)站中尋找API接口

在此以今日頭條這個(gè)網(wǎng)站為例。

正常的邏輯是不是就是使用requests結(jié)合正則表達(dá)式或者BeautifulSoup4進(jìn)行數(shù)據(jù)的爬取，但是我們可以先試著找找有沒(méi)有數(shù)據(jù)接口能夠讓我們更快速的得到數(shù)據(jù)。

使用快捷鍵F12(有些電腦是Fn + F12)或者直接網(wǎng)頁(yè)中右鍵點(diǎn)擊檢查按鈕打開(kāi)開(kāi)發(fā)者工具，如下圖所示，按照箭頭順序先切換到Network，再點(diǎn)擊Fetch/XHR，再重新刷新下頁(yè)面，就能夠看到紅框中加載出一些資源文件。

這些資源文件中就有可能存在我們想找的API數(shù)據(jù)接口，不是所有的網(wǎng)站都能找到數(shù)據(jù)接口，有些網(wǎng)站的數(shù)據(jù)接口很隱蔽，正常手段找不到，需要結(jié)合抓包工具才能夠找到，這里我們暫時(shí)先來(lái)講解一般的API接口尋找，后續(xù)單獨(dú)說(shuō)明抓包工具的使用。

如何判斷哪個(gè)資源文件是我們想要的數(shù)據(jù)接口呢?最簡(jiǎn)單的方法便是一個(gè)個(gè)的看。首先觀察紅框中的這樣幾個(gè)字段：Name、Status、Size、Time。

Name：文件名，我們依舊是遵循見(jiàn)名知義的原則，通過(guò)文件名猜測(cè)文件對(duì)應(yīng)的數(shù)據(jù)、

Status：狀態(tài)碼，我們需要的是狀態(tài)碼為200的文件、

Size：文件大小，數(shù)據(jù)多的資源文件大小都挺大的、

Time：加載時(shí)間，數(shù)據(jù)多的資源文件加載速度不一定很快。

當(dāng)你點(diǎn)擊了某個(gè)資源文件，在彈出來(lái)的窗口切換到Preview預(yù)覽選項(xiàng)卡發(fā)現(xiàn)加載出來(lái)的數(shù)據(jù)和頁(yè)面信息大概保持一致時(shí)，API數(shù)據(jù)接口就找對(duì)了。此時(shí)便可以復(fù)制它的在線地址，寫(xiě)爬蟲(chóng)代碼去請(qǐng)求這個(gè)接口來(lái)提取數(shù)據(jù)了。

import requests
import json

API_URL = 'https://www.toutiao.com/hot-event/hot-board/?origin=toutiao_pc&_signature=_02B4Z6wo00f01TIgxfQAAIDCpvae--DE-40yBMFAAC9V19pn3J.1AFd.u3TRK0tR1rbObxwJ7qLFJCGXBd0Z35J32hVZFJbsVx4puKKLsSDQInjDwZpK4c6DlvBFgCuz3EkKw6APt9jwKbeG36'
response = requests.get(url=API_URL)
result = response.text if response.status_code == 200 else '{}'
# print(result)
NewsInfo = json.loads(result)
for news_dict in NewsInfo['data']:
    newsTitle = news_dict['Title']
    print(newsTitle)