使用Python请求API并提取数据到Excel表格

本篇Python代码示例展示了如何使用request库进行API请求，并将响应数据处理后存储在Excel表格中。首先，我们从头开始理解这段代码的功能和步骤。 1. **导入所需库** - `json`：用于处理JSON数据格式。 - `requests`：用于发送HTTP请求。 - `pandas as pd`：用于数据处理，特别是将字典结构的数据转换为DataFrame。 2. **设置认证** 在`auth_url`指定的地址发送POST请求，传递用户名和密码（这里以硬编码的值为例）。使用`requests.Session()`创建会话以保持登录状态。通过`json.dumps()`将字典转换为JSON格式，然后添加到`data`参数中。同时，设置`Content-Type`为`application/json`，并发送请求。 3. **获取token** 使用`response.json()`获取服务器返回的JSON数据，然后通过`.get('token')`获取授权令牌（即`tk`）。这个令牌将在后续请求中添加到`headers`中，以便于身份验证。 4. **使用授权进行请求API** 创建一个GET请求，目标是`url`，并携带包含`tk`的`headers`。这一步是带有身份验证的请求，因为`x-authorization`头已经被设置。 5. **处理响应数据** 使用`requests.get()`方法获取API响应后，调用`json()`方法将其转换为Python字典。`r2.json()`返回的是一个嵌套字典，通过`pd.json_normalize()`函数将其扁平化，形成一个DataFrame，便于数据分析和存储。 6. **将数据写入Excel** 最后，使用`DataFrame.to_excel()`方法将处理后的DataFrame保存到本地文件`D:\res.xlsx`，设置`index=False`表示不保存索引列。 7. **可选部分：读取文本文件作为字典** 这段代码的注释部分提到了另外一种方式，即从`F:\AA\API-BotStatus.txt`文件中读取JSON数据，然后加载到`dc`变量中。虽然在这个例子中没有实际使用这部分，但这是处理其他来源JSON数据的可能场景。 总结起来，这段代码展示了如何使用Python的requests库进行API调用，并利用pandas库处理和组织返回的JSON数据。它包含了身份验证、数据解析和数据存储的基本流程，适用于在IT行业中处理HTTP请求和数据处理的工作场景。