2、数据采集基础：使用requests库从公开API获取实时空气质量数据，解析JSON格式

2.1 为什么选requests？

Python里发HTTP请求的库不少，但requests绝对是最顺手的那个。我个人习惯用它，原因很简单——代码写起来像读英文一样自然。

你想想看，我们要从API拿数据，本质上就是发一个GET请求。用requests的话，一行代码就能搞定。我在项目中遇到过用urllib的同事，那代码写得...嗯，怎么说呢，看着就累。requests把那些繁琐的编码、参数拼接、异常处理都封装好了。

2.2 安装与导入

先装库，再导入。就这么简单。

pip install requests

导入的时候，我建议你直接写：

import requests

别用from requests import *，那样容易污染命名空间。我曾经在项目里看到有人这么干，结果跟自定义的get函数冲突了，排查了半天。

2.3 第一个GET请求

好，我们来真的。找一个公开的空气质量API，比如和风天气或者AQICN。这里我用一个示例接口演示：

import requests

url = "https://api.airquality.example.com/v1/current"
params = {
    "city": "beijing",
    "token": "your_api_key_here"
}

response = requests.get(url, params=params)
print(response.status_code)
print(response.text)

看到没？params参数自动帮你拼接到URL后面。不用手动去搞?city=beijing&token=...这种字符串拼接，省心多了。

2.4 解析JSON数据

API返回的通常是JSON格式。说白了就是一段结构化的文本，长得像Python字典。requests内置了JSON解析器，直接调用.json()方法就行。

data = response.json()
print(data["data"]["aqi"])  # 假设返回结构是 {"data": {"aqi": 85}}

为什么会这样设计？因为JSON和Python字典几乎一一对应，解析起来毫无压力。我在做数据采集时，经常先打印data.keys()看看顶层有哪些字段，再一层层往下挖。

2.5 处理常见问题

实际项目中，API不可能每次都乖乖返回数据。我遇到过的情况多了去了：

• 网络超时：设置timeout参数，别让程序卡死
• 状态码非200：检查response.status_code，404、500都要处理
• JSON解析失败：用try-except包一下，防止程序崩溃

try:
    response = requests.get(url, params=params, timeout=5)
    response.raise_for_status()  # 状态码不是200就抛异常
    data = response.json()
except requests.exceptions.Timeout:
    print("请求超时了，换个时间再试")
except requests.exceptions.HTTPError as e:
    print(f"HTTP错误：{e}")
except ValueError:
    print("返回的不是合法JSON")

2.6 实战：采集北京实时AQI

来，我们写一个完整的例子。假设你拿到了某个免费API的key：

import requests

def fetch_aqi(city="beijing"):
    url = "https://api.airquality.example.com/v1/current"
    params = {
        "city": city,
        "token": "your_real_token"
    }
    
    resp = requests.get(url, params=params, timeout=5)
    resp.raise_for_status()
    
    result = resp.json()
    aqi = result["data"]["aqi"]
    pm25 = result["data"]["pm25"]
    pm10 = result["data"]["pm10"]
    
    print(f"{city} 当前AQI：{aqi}")
    print(f"PM2.5：{pm25} μg/m³")
    print(f"PM10：{pm10} μg/m³")
    
    return result["data"]

if __name__ == "__main__":
    fetch_aqi()

这个函数返回的是字典，后面做数据清洗、存数据库都很方便。你想想看，从发请求到拿到结构化数据，总共才几行代码？

2.7 数据字段说明

不同API返回的字段名可能不一样，但核心数据大同小异。我整理了一个常见字段对照表：

字段名	含义	示例值
aqi	空气质量指数	85
pm25	PM2.5浓度 (μg/m³)	35.2
pm10	PM10浓度 (μg/m³)	68.7
o3	臭氧浓度 (μg/m³)	120.5
no2	二氧化氮浓度 (μg/m³)	45.0
co	一氧化碳浓度 (mg/m³)	1.2
so2	二氧化硫浓度 (μg/m³)	8.5
timestamp	数据采集时间	2024-01-15 14:00:00

2.8 本章小结

说白了，数据采集就三步：发请求、拿响应、解析JSON。requests库让这三步变得异常简单。你只要记住：

• 用params传参，别手动拼URL
• 加timeout，别让程序死等
• 用.json()解析，别自己写解析器
• 异常处理要到位，别裸奔

下一章，我们会把采集到的数据存到本地，为后续的数据清洗和可视化做准备。嗯，到时候你会看到，数据采集只是万里长征第一步。