Question

我正在使用Angel List（AL）API，想要在圣旧金山完成所有工作。因为我找不到api的活动Python包装器（如果我取得任何进展，我想我想自己制作），我正在使用请求库。

AL API的结果是分页的，我无法弄清楚如何超越结果的第一页。

这是我的代码：

import requests
r_sanfran = requests.get("https://api.angel.co/1/tags/1664/jobs").json()
r_sanfran.keys()
# returns [u'per_page', u'last_page', u'total', u'jobs', u'page']
r_sanfran['last_page']
#returns 16
r_sanfran['page']
# returns 1

我尝试向requests.get添加参数，但这不起作用。我也尝试过一些非常愚蠢的东西 - 改变“页面”键的价值，就像那神奇地为我分页。

例如。 r_sanfran['page'] = 2

我猜这是相对简单的事情，但我似乎无法弄明白所以任何帮助都会很棒。

一如既往地谢谢。

Angel List API documentation如果它有用。

Answer 1

阅读last_page并为范围内的每个页面发出获取请求：

import requests

r_sanfran = requests.get("https://api.angel.co/1/tags/1664/jobs").json()
num_pages = r_sanfran['last_page']

for page in range(2, num_pages + 1):
    r_sanfran = requests.get("https://api.angel.co/1/tags/1664/jobs", params={'page': page}).json()
    print r_sanfran['page']
    # TODO: extract the data

Answer 2

改进@ alecxe的答案：如果您使用Python生成器并请求HTTP会话，则可以在查询大量页面或非常大的页面时提高性能和资源使用率。

import requests

session = requests.Session()

def get_jobs():
    url = "https://api.angel.co/1/tags/1664/jobs" 
    first_page = session.get(url).json()
    yield first_page
    num_pages = first_page['last_page']

    for page in range(2, num_pages + 1):
        next_page = session.get(url, params={'page': page}).json()
        yield next_page['page']

for page in get_jobs():
    # TODO: process the page

Answer 3

我遇到了一个场景，其中API不返回页面，而是一个最小值/最大值。我创建了这个，并且我认为它在两种情况下都适用。这将自动增加增量，直到达到末尾，然后停止while循环。

max_version = [1]
while len(max_version) > 0:
    r = requests.get(url, headers=headers, params={"page": max_version[0]}).json()
    next_page = r['page']
    if next_page is not None:
        max_version[0] = next_page
        Process data...
    else:
        max_version.clear() # Stop the while loop

Answer 4

进一步完善@ dh762的答案，您可以使用while并在其中完成所有请求，而无需2个yield语句。

例如：

import requests

session = requests.Session()

def get_jobs():
    url = "https://api.angel.co/1/tags/1664/jobs"
    currP = 1
    totalP = 2 #assuming there's gonna be 2nd page, it'll get overwritten if not.
    while (currP <= totalP):
        page = session.get(url, params={'page': currP}).json()
        totalP = page['last_page']
        currP += 1
        yield page

for page in get_jobs():
    # TODO: process the page

Answer 5

这对我有用，使用 **extraArgs

# our initial url
url = f'{base_url}/{api_endpoint}'

# we set a next token, to start our while loop
NextToken = True

# we specify our extra args object
extraArgs = {
    "url": url,
    "headers": headers
}

while NextToken is not None:
    # call api
    r = requests.get(**extraArgs)
    result = r.json()

    # if next url exists, add to method arguments, and do next call with it
    if 'next' in result['_links']:
        next_link = result['_links']['next']['href']
        print(f'found next link: {next_link}')
        extraArgs['url'] = next_link
    else:
        break

Answer 6

我让页面在 Python 中工作，尽管我不确定是否会出现类似的情况，因为我使用的是加密 API：

Python请求参数/处理api分页

6 个答案: