用 Python 把“API 接口”当数据源——从找口子到落库的全流程实战

不碰网页 HTML，只扒干净漂亮的 JSON：一招走遍天下接口

---

一、为什么选择“只爬 API”

1. 返回结构化 JSON，省去 DOM 解析烦恼

2. 带宽小，速率快，反爬成本远低于 HTML 页面

3. 很多站点 SPA 本身就靠公开 API 渲染，不违法也不违规

4. 参数可复用，一套代码能“薅”多端（Web、H5、App）

---

二、找接口：3 个“一眼定位”技巧

1. 浏览器 F12 → Network → XHR/JSON 过滤器

刷新页面，按 Size 降序，优先挑 json / api 路径

2. 搜索关键字

全局搜 token, sign, t=（时间戳）、appKey，快速锁定鉴权参数

3. 手机抓包（App 接口）

mitmproxy + 夜神模拟器，安装系统证书后，启动 App 下滑刷新，拿到带 Content-Type: application/json 的请求

小技巧：把接口 curl 直接复制到 Postman，参数一个不落，先跑通再编码

---

三、接口逆向 4 件套

名称	工具	作用
参数含义	Postman 环境变量	去繁就简，删掉无关头
签名逻辑	Chrome 断点 / 解包	定位 sign = md5(stringA + key)
时间戳	Python time.time()*1000	保证 t 与服务器误差 <30 s
Token 有效期	响应头 Expires / JWT payload	提前 5 分钟刷新

---

四、完整实战：某天气 API（公开免费版）

目标：按城市编码获取 7 日天气，落库 MySQL，每日 06:00 自动跑

1. 接口信息

GET https://api.weather.com/v1/forecast/daily
参数：
  cityCode=101010100  （北京）
  lang=zh
  unit=m
  key=YOUR_KEY        （免费申请）

2. 依赖库

pip install requests pydantic sqlalchemy pymysql python-dotenv schedule

3. 代码（可直接 python main.py 跑）

# -*- coding: utf-8 -*-
import os, time, requests, schedule
from datetime import date
from typing import List
from pydantic import BaseModel, Field
from sqlalchemy import create_engine, Column, String, Float, Date
from sqlalchemy.orm import declarative_base, sessionmaker

# ---------- 1. 配置 ----------
BASE_URL = "https://api.weather.com/v1/forecast/daily"
API_KEY = os.getenv("WEATHER_KEY")          # 写 .env 里
CITY_CODE = "101010100"
ENGINE = create_engine("mysql+pymysql://user:pwd@localhost:3306/weather?charset=utf8mb4")
Session = sessionmaker(bind=ENGINE)
Base = declarative_base()

# ---------- 2. ORM ----------
class Forecast(Base):
    __tablename__ = "t_forecast"
    city = Column(String(20), primary_key=True)
    f_date = Column(Date, primary_key=True)
    max_temp = Column(Float)
    min_temp = Column(Float)
    cond = Column(String(20))

# ---------- 3. 数据模型 ----------
class Day(BaseModel):
    date: date
    tmp_max: float = Field(alias="max_temp")
    tmp_min: float = Field(alias="min_temp")
    cond_txt_d: str = Field(alias="cond")

class Resp(BaseModel):
    daily: List[Day]

# ---------- 4. 抓取 ----------
def crawl():
    params = {"cityCode": CITY_CODE, "lang": "zh", "unit": "m", "key": API_KEY}
    r = requests.get(BASE_URL, params=params, timeout=10)
    r.raise_for_status()
    return Resp.parse_obj(r.json()).daily

# ---------- 5. 落库 ----------
def save(data: List[Day]):
    with Session() as sess:
        for d in data:
            obj = Forecast(city="北京", f_date=d.date, max_temp=d.tmp_max,
                           min_temp=d.tmp_min, cond=d.cond_txt_d)
            sess.merge(obj)      # 存在则更新
        sess.commit()

# ---------- 6. 调度 ----------
def job():
    save(crawl())
    print(time.strftime("%F %T"), "抓取完成")

schedule.every().day.at("06:00").do(job)

if __name__ == "__main__":
    Base.metadata.create_all(ENGINE)   # 首次建表
    job()                              # 手动跑一次
    while True:
        schedule.run_pending()
        time.sleep(1)

4. 运行结果

2025-04-18 06:00:02 抓取完成
mysql> select * from t_forecast limit 2;
+------+------------+----------+----------+--------+
| city | f_date     | max_temp | min_temp | cond   |
+------+------------+----------+----------+--------+
| 北京 | 2025-04-18 |     24.0 |     11.0 | 晴     |
| 北京 | 2025-04-19 |     26.0 |     13.0 | 多云   |
+------+------------+----------+----------+--------+

---

五、进阶：带签名的“非公开”接口案例

1. 签名规则（逆向结果）

def sign(params: dict, app_secret: str) -> str:
    text = "&".join([f"{k}={params[k]}" for k in sorted(params)]) + f"@{app_secret}"
    return hashlib.md5(text.encode()).hexdigest().upper()

2. 自动刷新 Token

def get_token() -> str:
    r = requests.post("https://x.com/api/refresh", json={"refresh": REFRESH})
    return r.json()["data"]["access_token"]

3. 重试 / 限流 / 降级

from tenacity import retry, stop_after_attempt, wait_random

@retry(stop=stop_after_attempt(5), wait=wait_random(1, 3))
def fetch_with_sign(params):
    params["t"] = int(time.time()*1000)
    params["sign"] = sign(params, APP_SECRET)
    r = requests.get(API_URL, params=params, headers={"Authorization": f"Bearer {get_token()}"})
    if r.status_code == 429:
        raise Exception("Rate limit")      # 触发重试
    r.raise_for_status()
    return r.json()

---

六、合法与合规红线

1. 只采“公开”接口——需要破解加密、拆 App 壳的，先让法务评估

2. 遵守 robots.txt 与《反不正当竞争法》，控制频率（建议 ≤ 1 QPS）

3. 不碰个人信息——手机号、身份证、地址一律不落盘

4. 设置黑名单——对方返回 Retry-After 或 403 立即停爬并告警

5. 标注数据来源，对内对外报表都加“本数据由××接口抓取，仅供参考”

---

七、常见错误速查表

异常	根因	修复
401 Unauthorized	token 过期	自动刷新后再发
460 “非法签名”	参数顺序/大小写错误	打印待签字符串逐字符对比
空 JSON {}	限流返回兜底体	指数退避重试
SSLCertVerificationError	公司抓包证书冲突	verify=False + 警告过滤

---

八、小结：把接口当“免费数据库”的正确姿势

1. 先 Postman 跑通 → 2. Python 封装 requests → 3. Pydantic 做模型 → 4. SQLAlchemy 落库 → 5. 调度 + 重试 + 监控
   一条链下来，代码 <150 行，就能让“别人的接口”变成你报表里的实时数据。

如遇任何疑问或有进一步的需求，请随时与我私信或者评论联系。