调用api接口是python爬虫获取结构化数据最高效合规的方式，需抓包分析url与请求方式，构造含认证的合法请求，解析响应时做好异常防护，并控制频率、保存结果、处理分页。
调用API接口是Python爬虫开发中获取结构化数据最高效、最合规的方式之一。相比解析HTML页面，直接请求API通常返回JSON格式数据，解析简单、稳定性高、反爬压力小。
确认API地址与请求方式
很多网站的API并非公开文档化，需要通过浏览器开发者工具（Network标签页）抓包分析。重点关注XHR或Fetch请求，筛选出含目标数据的接口URL，并观察其请求方法（GET/POST）、是否带查询参数（?key=value）或请求体（payload）。
- 右键“Copy → Copy as cURL”，再用在线工具转成Python requests代码，快速复现请求
- 注意URL中可能隐藏动态参数（如时间戳、随机字符串），需同步提取或模拟生成
- 部分接口需Referer、Origin等请求头才能正常响应，漏掉会返回403或空数据
构造合法请求并处理认证
不少API要求身份验证，常见形式包括：API Key放在Header（如Authorization: Bearer xxx）、URL参数（?token=xxx）、或Cookie登录态。未正确携带认证信息，大概率返回401或错误提示。
- 使用requests.get(url, headers=headers, params=params)发送GET请求
- POST请求用requests.post(url, json=data)（自动设Content-Type为application/json）或data=dict传表单数据
- 敏感凭证（如token）不要硬编码，建议从环境变量读取：os.getenv("API_TOKEN")
解析响应并异常防护
成功请求后，先检查response.status_code == 200，再用response.json()解析。但实际中常遇到：返回非JSON（如HTML错误页）、字段缺失、嵌套层级深、编码异常等问题。
立即学习“Python免费学习笔记（深入）”；
- 加try...except JSONDecodeError捕获解析失败，打印response.text[:200]辅助排查
- 用response.raise_for_status()统一抛出HTTP错误（4xx/5xx）
- 对关键字段做存在性判断，例如data.get("result", []).get("items", [])避免KeyError
控制频率与保存结果
即使走API，高频请求仍可能触发限流（429 Too Many Requests）或IP封禁。合理设置延迟、使用Session复用连接、分批请求能显著提升稳定性。
- 每次请求后time.sleep(0.5)，避免短时密集调用
- 用with open("data.json", "w", encoding='utf-8') as f:保存结构化结果，便于后续分析
- 对分页接口，循环更新params["page"]或解析响应中的next_url，直到无新数据
基本上就这些。API爬虫不复杂但容易忽略细节——地址是否动态、头是否完整、状态是否校验、字段是否可空。动手前多看几遍响应内容，比写十行代码更管用。
