申明: 本站飛宇網 https://feiyetopro.blogspot.com/。自網路收集整理之書籍、文章、影音僅供預覽交流學習研究，其[書籍、文章、影音]情節內容， 評論屬其個人行為， 與本網站無關。版權歸原作者和出版社所有，請在下載 24 小時內刪除，不得用作商業用途；如果您喜歡其作品，請支持訂閱購買[正版]。謝謝！
第 17 章 使用API
在本章中，你將學習如何編寫一個獨立的程式，並對其獲取的資料進行視覺化。這個程式將使用Web應用程式設計介面 （API）自動請求網站的特定資訊而不是整個網頁，再對這些資訊進行視覺化。由於這樣編寫的程式始終使用最新的資料來生成視覺化，因此即便資料瞬息萬變，它呈現的資訊也都是最新的。
17.1 使用Web API
Web API是網站的一部分，用於與使用非常具體的URL請求特定資訊的程式交互。這種請求稱為API調用。請求的資料將以易於處理的格式（如JSON或CSV）返回。依賴于外部資料來源的大多數應用程式都依賴於API調用，如集成社交媒體網站的應用程式。
17.1.1 Git和GitHub
本章的視覺化將基於來自GitHub的資訊，這是一個讓程式師能夠協作開發專案的網站。我們將使用GitHub的API來請求有關該網站中Python專案的資訊，然後使用Pygal生成互動式視覺化，以呈現這些項目的受歡迎程度。
GitHub（https://github.com/ ）的名字源自Git，Git是一個分散式版本控制系統，讓程式師團隊能夠協作開發專案。Git幫助大家管理為專案所做的工作，避免一個人所做的修改影響其他人所做的修改。你在專案中實現新功能時，Git將跟蹤你對每個檔所做的修改。確定代碼可行後，你提交所做的修改，而Git將記錄專案最新的狀態。如果你犯了錯，想撤銷所做的修改，可輕鬆地返回以前的任何可行狀態（要更深入地瞭解如何使用Git進行版本控制，請參閱附錄D）。GitHub上的專案都存儲在倉庫中，後者包含與專案相關聯的一切：代碼、專案參與者的資訊、問題或bug報告等。
對於喜歡的專案，GitHub用戶可給它加星（star）以表示支持，用戶還可跟蹤他可能想使用的項目。在本章中，我們將編寫一個程式，它自動下載GitHub上星級最高的Python專案的資訊，並對這些資訊進行視覺化。
17.1.2 使用API調用請求資料
GitHub的API讓你能夠通過API調用來請求各種資訊。要知道API調用是什麼樣的，請在流覽器的位址欄中輸入如下位址並按回車鍵：
https://api.github.com/search/repositories?q=language:python&sort=stars
這個調用返回GitHub當前託管了多少個Python專案，還有有關最受歡迎的Python倉庫的資訊。下面來仔細研究這個調用。第一部分（https://api.github.com/ ）將請求發送到GitHub網站中回應API調用的部分；接下來的一部分（search/repositories ）讓API搜索GitHub上的所有倉庫。
repositories 後面的問號指出我們要傳遞一個實參。q 表示查詢，而等號讓我們能夠開始指定查詢（q= ）。通過使用language:python ，我們指出只想獲取主要語言為Python的倉庫的資訊。最後一部分（&sort=stars ）指定將項目按其獲得的星級進行排序。
下面顯示了回應的前幾行。從回應可知，該URL並不適合人工輸入。
{
"total_count": 713062,
"incomplete_results": false,
"items": [
{
"id": 3544424,
"name": "httpie",
"full_name":
"jkbrzt/httpie",
--snip--
從第二行輸出可知，編寫本書時，GitHub總共有713 062個Python項目。"incomplete_results" 的值為false ，據此我們知道請求是成功的（它並非不完整的）。倘若GitHub無法全面處理該API，它返回的這個值將為true 。接下來的清單中顯示了返回的"items" ，其中包含GitHub上最受歡迎的Python專案的詳細資訊。
17.1.3 安裝requests
requests包讓Python程式能夠輕鬆地向網站請求信，息以及檢查返回的回應。要安裝requests，請執行類似於下麵的命令：
$ pip
install --user requests
如果你還沒有使用過pip，請參閱12.2.1節（根據系統的設置，你可能需要使用這個命令的稍微不同的版本）。
17.1.4 處理API回應
下面來編寫一個程式，它執行API調用並處理結果，找出GitHub上星級最高的Python項目：
python_repos.py
❶ import
requests
# 執行API調用並存儲回應
❷ url =
'https://api.github.com/search/repositories?q=language:python&sort=stars'
❸ r =
requests.get(url)
❹
print("Status code:", r.status_code)
# 將API響應存儲在一個變數中
❺
response_dict = r.json()
# 處理結果
print(response_dict.keys())
在❶處，我們導入了模組requests 。在❷處，我們存儲API調用的URL，然後使用requests 來執行調用（見❸）。我們調用get() 並將URL傳遞給它，再將響應物件存儲在變數r 中。響應物件包含一個名為status_code 的屬性，它讓我們知道請求是否成功了（狀態碼200表示請求成功）。在❹處，我們列印status_code ，核實調用是否成功了。
這個API返回JSON格式的資訊，因此我們使用方法json() 將這些資訊轉換為一個Python字典（見❺）。我們將轉換得到的字典存儲在response_dict 中。
最後，我們列印response_dict 中的鍵。輸出如下：
Status
code: 200
dict_keys(['items',
'total_count', 'incomplete_results'])
狀態碼為200，因此我們知道請求成功了。回應字典只包含三個鍵：'items' 、'total_count' 和'incomplete_results' 。
注意 像這樣簡單的調用應該會返回完整的結果集，因此完全可以忽略與'incomplete_results' 相關聯的值。但執行更複雜的API調用時，程式應檢查這個值。
17.1.5 處理回應字典
將API調用返回的資訊存儲到字典中後，就可以處理這個字典中的資料了。下面來生成一些概述這些資訊的輸出。這是一種不錯的方式，可確認收到了期望的資訊，進而可以開始研究感興趣的資訊：
python_repos.py
import requests
# 執行API調用並存儲回應
url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
r = requests.get(url)
print("Status code:",
r.status_code)
# 將API響應存儲在一個變數中
response_dict = r.json()
❶
print("Total repositories:", response_dict['total_count'])
# 探索有關倉庫的資訊
❷
repo_dicts = response_dict['items']
print("Repositories returned:",
len(repo_dicts))
# 研究第一個倉庫
❸ repo_dict
= repo_dicts[0]
❹
print("\nKeys:", len(repo_dict))
❺ for key
in sorted(repo_dict.keys()):
print(key)
在❶處，我們列印了與'total_count' 相關聯的值，它指出了GitHub總共包含多少個Python倉庫。
與'items' 相關聯的值是一個清單，其中包含很多字典，而每個字典都包含有關一個Python倉庫的資訊。在❷處，我們將這個字典清單存儲在repo_dicts 中。接下來，我們列印repo_dicts 的長度，以獲悉我們獲得了多少個倉庫的資訊。
為更深入地瞭解返回的有關每個倉庫的資訊，我們提取了repo_dicts 中的第一個字典，並將其存儲在repo_dict 中（見❸）。接下來，我們列印這個字典包含的鍵數，看看其中有多少資訊（見❹）。在❺處，我們列印這個字典的所有鍵，看看其中包含哪些資訊。
輸出讓我們對實際包含的資料有了更清晰的認識：
Status code: 200
Total repositories: 713062
Repositories returned: 30
❶ Keys: 68
archive_url
assignees_url
blobs_url
--snip--
url
watchers
watchers_count
GitHub的API返回有關每個倉庫的大量資訊：repo_dict 包含68個鍵（見❶）。通過仔細查看這些鍵，可大致知道可提取有關專案的哪些資訊（要準確地獲悉API將返回哪些資訊，要麼閱讀文檔，要麼像此處這樣使用代碼來查看這些資訊）。
下面來提取repo_dict 中與一些鍵相關聯的值：
python_repos.py
--snip--
# 研究有關倉庫的資訊
repo_dicts = response_dict['items']
print("Repositories returned:",
len(repo_dicts))
# 研究第一個倉庫
repo_dict = repo_dicts[0]
print("\nSelected information about
first repository:")
❶
print('Name:', repo_dict['name'])
❷
print('Owner:', repo_dict['owner']['login'])
❸
print('Stars:', repo_dict['stargazers_count'])
print('Repository:', repo_dict['html_url'])
❹
print('Created:', repo_dict['created_at'])
❺
print('Updated:', repo_dict['updated_at'])
print('Description:',
repo_dict['description'])
在這裡，我們列印了表示第一個倉庫的字典中與很多鍵相關聯的值。在❶處，我們列印了項目的名稱。專案所有者是用一個字典表示的，因此在❷處，我們使用鍵owner 來訪問表示所有者的字典，再使用鍵key 來獲取所有者的登錄名。在❸處，我們列印項目獲得了多少個星的評級，以及項目在GitHub倉庫的URL。接下來，我們顯示專案的創建時間（見❹）和最後一次更新的時間（見❺）。最後，我們列印倉庫的描述。輸出類似於下面這樣：
Status
code: 200
Total
repositories: 713065
Repositories
returned: 30
Selected
information about first repository:
Name:
httpie
Owner:
jkbrzt
Stars:
16101
Repository:
https://github.com/jkbrzt/httpie
Created:
2012-02-25T12:39:13Z
Updated:
2015-07-13T14:56:41Z
Description:
CLI HTTP client; user-friendly cURL replacement featuring intuitive UI, JSON
support, syntax highlighting, wget-like downloads, extensions, etc.
從上述輸出可知，編寫本書時，GitHub上星級最高的Python項目為HTTPie，其所有者為用戶jkbrzt，有16 000多個GitHub用戶給這個項目加星。我們可以看到這個項目的倉庫的URL，其創建時間為2012年2月，且最近更新了。最後，描述指出HTTPie用於説明從終端執行HTTP調用（CLI是命令列介面 的縮寫）。
17.1.6 概述最受歡迎的倉庫
對這些資料進行視覺化時，我們需要涵蓋多個倉庫。下面就來編寫一個迴圈，列印API調用返回的每個倉庫的特定資訊，以便能夠在視覺化中包含所有這些資訊：
python_repos.py
--snip--
# 研究有關倉庫的資訊
repo_dicts = response_dict['items']
print("Repositories returned:",
len(repo_dicts))
❶
print("\nSelected information about each repository:")
❷ for
repo_dict in repo_dicts:
print('\nName:', repo_dict['name'])
print('Owner:',
repo_dict['owner']['login'])
print('Stars:', repo_dict['stargazers_count'])
print('Repository:',
repo_dict['html_url'])
print('Description:',
repo_dict['description'])
在❶處，我們列印了一條說明性消息。在❷處，我們遍歷repo_dicts 中的所有字典。在這個迴圈中，我們列印每個項目的名稱、所有者、星級、在GitHub上的URL以及描述：
Status
code: 200
Total
repositories: 713067
Repositories
returned: 30
Selected
information about each repository:
Name:
httpie
Owner:
jkbrzt
Stars:
16101
Repository:
https://github.com/jkbrzt/httpie
Description:
CLI HTTP client; user-friendly cURL replacement featuring intuitive UI, JSON
support, syntax highlighting, wget-like downloads, extensions, etc.
Name:
django
Owner:
django
Stars:
15028
Repository:
https://github.com/django/django
Description:
The Web framework for perfectionists with deadlines.
--snip--
Name:
powerline
Owner:
powerline
Stars:
4315
Repository:
https://github.com/powerline/powerline
Description:
Powerline is a statusline plugin for vim, and provides statuslines and prompts
for several other applications, including zsh, bash, tmux, IPython, Awesome and
Qtile.
上述輸出中有一些有趣的項目，可能值得再看一眼。但不要在這上面花費太多時間，因為我們即將創建的視覺化可讓你更容易地看清結果。
17.1.7 監視API的速率限制
大多數API都存在速率限制，即你在特定時間內可執行的請求數存在限制。要獲悉你是否接近了GitHub的限制，請在流覽器中輸入https://api.github.com/rate_limit ，你將看到類似於下面的回應：
{
"resources": {
"core": {
"limit": 60,
"remaining": 58,
"reset": 1426082320
},
❶ "search": {
❷ "limit": 10,
❸ "remaining": 8,
❹ "reset": 1426078803
}
},
"rate": {
"limit": 60,
"remaining": 58,
"reset": 1426082320
}
}
我們關心的資訊是搜索API的速率限制（見❶）。從❷處可知，極限為每分鐘10個請求，而在當前這一分鐘內，我們還可執行8個請求（見❸）。reset 值指的是配額將重置的Unix時間或新紀元時間 （1970年1月1日午夜後多少秒）（見❹）。用完配額後，你將收到一條簡單的響應，由此知道已到達API極限。到達極限後，你必須等待配額重置。
注意 很多API都要求你註冊獲得API金鑰後才能執行API調用。編寫本書時，GitHub沒有這樣的要求，但獲得API金鑰後，配額將高得多。
17.2 使用Pygal視覺化倉庫
有了一些有趣的資料後，我們來進行視覺化，呈現GitHub上Python項目的受歡迎程度。我們將創建一個互動式橫條圖：條形的高度表示專案獲得了多少顆星。按一下條形將帶你進入項目在GitHub上的主頁。下面是首次嘗試這樣做：
python_repos.py
import requests
import pygal
from pygal.style import LightColorizedStyle
as LCS, LightenStyle as LS
# 執行API調用並存儲回應
URL = 'https://api.github.com/search/repositories?q=language:python&sort=star'
r = requests.get(URL)
print("Status code:",
r.status_code)
# 將API響應存儲在一個變數中
response_dict = r.json()
print("Total repositories:",
response_dict['total_count'])
# 研究有關倉庫的資訊
repo_dicts = response_dict['items']
❶ names,
stars = [], []
for repo_dict in repo_dicts:
❷ names.append(repo_dict['name'])
stars.append(repo_dict['stargazers_count'])
# 視覺化
❸ my_style
= LS('#333366', base_style=LCS)
❹ chart =
pygal.Bar(style=my_style, x_label_rotation=45, show_legend=False)
chart.title = 'Most-Starred Python Projects
on GitHub'
chart.x_labels = names
❺ chart.add('',
stars)
chart.render_to_file('python_repos.svg')
我們首先導入了pygal 以及要應用於圖表的Pygal樣式。接下來，列印API調用回應的狀態以及找到的倉庫總數，以便獲悉API調用是否出現了問題。我們不再列印返回的有關專案的資訊，因為將通過視覺化來呈現這些資訊。
在❶處，我們創建了兩個空清單，用於存儲將包含在圖表中的資訊。我們需要每個專案的名稱，用於給條形加上標籤，我們還需要知道專案獲得了多少個星，用於確定條形的高度。在迴圈中，我們將項目的名稱和獲得的星數附加到這些列表的末尾❷。
接下來，我們使用LightenStyle 類（別名LS ）定義了一種樣式，並將其基色設置為深藍色（見❸）。我們還傳遞了實參base_style ，以使用LightColorizedStyle 類（別名LCS ）。然後，我們使用Bar() 創建一個簡單的橫條圖，並向它傳遞了my_style （見❹）。我們還傳遞了另外兩個樣式實參：讓標籤繞x 軸旋轉45度（x_label_rotation=45 ），並隱藏了圖例（show_legend=False ），因為我們只在圖表中繪製一個資料數列。接下來，我們給圖表指定了標題，並將屬性x_labels 設置為清單names 。
由於我們不需要給這個資料數列添加標籤，因此在❺處添加資料時，將標籤設置成了空字串。生成的圖表如圖17-1所示。從中可知，前幾個項目的受歡迎程度比其他項目高得多，但所有這些專案在Python生態系統中都很重要。
17.2.1 改進Pygal圖表
下面來改進這個圖表的樣式。我們將進行多個方面的定制，因此先來稍微調整代碼的結構，創建一個配置物件，在其中包含要傳遞給Bar() 的所有定制：
python_repos.py
--snip--
# 視覺化
my_style = LS('#333366', base_style=LCS)
❶ my_config
= pygal.Config()
❷
my_config.x_label_rotation = 45
my_config.show_legend = False
❸
my_config.title_font_size = 24
my_config.label_font_size = 14
my_config.major_label_font_size = 18
❹
my_config.truncate_label = 15
❺
my_config.show_y_guides = False
❻
my_config.width = 1000
❼ chart =
pygal.Bar(my_config, style=my_style)
chart.title = 'Most-Starred Python Projects
on GitHub'
chart.x_labels = names
chart.add('', stars)
chart.render_to_file('python_repos.svg')
在❶處，我們創建了一個Pygal類Config 的實例，並將其命名為my_config 。通過修改my_config 的屬性，可定制圖表的外觀。在❷處，我們設置了兩個屬性——x_label_rotation 和show_legend ，它們原來是在創建Bar 實例時以關鍵字實參的方式傳遞的。在❸處，我們設置了圖表標題、副標籤和主標籤的字體大小。在這個圖表中，副標籤是 x 軸上的項目名以及 y 軸上的大部分數位。主標籤是 y 軸上為5000整數倍的刻度；這些標籤應更大，以與副標籤區分開來。在❹處，我們使用truncate_label 將較長的項目名縮短為15個字元（如果你將滑鼠指向螢幕上被截短的專案名，將顯示完整的專案名）。接下來，我們將show_y_guides 設置為False ，以隱藏圖表中的水平線（見❺）。最後，在❻處設置了自訂寬度，讓圖表更充分地利用流覽器中的可用空間。
在❼處創建Bar 實例時，我們將my_config 作為第一個實參，從而通過一個實參傳遞了所有的配置設置。我們可以通過my_config 做任意數量的樣式和配置修改，而❼處的代碼行將保持不變。圖17-2顯示了重新設置樣式後的圖表。
17.2.2 添加自訂工具提示
在Pygal中，將滑鼠指向條形將顯示它表示的資訊，這通常稱為工具提示 。在這個示例中，當前顯示的是專案獲得了多少個星。下面來創建一個自訂工具提示，以同時顯示專案的描述。
來看一個簡單的示例，它視覺化前三個項目，並給每個專案對應的條形都指定自訂標籤。為此，我們向add() 傳遞一個字典清單，而不是值列表：
bar_descriptions.py
import pygal
from pygal.style import LightColorizedStyle
as LCS, LightenStyle as LS
my_style = LS('#333366', base_style=LCS)
chart = pygal.Bar(style=my_style, x_label_rotation=45,
show_legend=False)
chart.title = 'Python Projects'
chart.x_labels = ['httpie', 'django',
'flask']
❶
plot_dicts = [
❷ {'value': 16101, 'label': 'Description of
httpie.'},
{'value': 15028, 'label': 'Description of
django.'},
{'value': 14798, 'label': 'Description of
flask.'},
]
❸ chart.add('',
plot_dicts)
chart.render_to_file('bar_descriptions.svg')
在❶處，我們定義了一個名為plot_dicts 的列表，其中包含三個字典，分別針對專案HTTPie、Django和Flask。每個字典都包含兩個鍵：'value' 和'label' 。Pygal根據與鍵'value' 相關聯的數字來確定條形的高度，並使用與'label' 相關聯的字串給條形創建工具提示。例如，❷處的第一個字典將創建一個條形，用於表示一個獲得了16 101顆星、工具提示為Description of
httpie的項目。
方法add() 接受一個字串和一個清單。這裡調用add() 時，我們傳入了一個由表示條形的字典組成的清單（plot_dicts ）（見❸）。圖17-3顯示了一個工具提示：除默認工具提示（獲得的星數）外，Pygal還顯示了我們傳入的自訂提示。
17.2.3 根據資料繪圖
為根據資料繪圖，我們將自動生成plot_dicts ，其中包含API調用返回的30個專案的資訊。
完成這種工作的代碼如下：
python_repos.py
--snip--
# 研究有關倉庫的資訊
repo_dicts = response_dict['items']
print("Number of items:",
len(repo_dicts))
❶ names,
plot_dicts = [], []
for repo_dict in repo_dicts:
names.append(repo_dict['name'])
❷ plot_dict = {
'value':
repo_dict['stargazers_count'],
'label': repo_dict['description'],
}
❸ plot_dicts.append(plot_dict)
# 視覺化
my_style = LS('#333366', base_style=LCS)
--snip--
❹ chart.add('',
plot_dicts)
chart.render_to_file('python_repos.svg')
在❶處，我們創建了兩個空列表names 和plot_dicts 。為生成x 軸上的標籤，我們依然需要清單names 。
在迴圈內部，對於每個項目，我們都創建了字典plot_dict （見❷）。在這個字典中，我們使用鍵'value' 存儲了星數，並使用鍵'label' 存儲了專案描述。接下來，我們將字典plot_dict 附加到plot_dicts 末尾（見❸）。在❹處，我們將列表plot_dicts 傳遞給了add() 。圖17-4顯示了生成的圖表。
17.2.4 在圖表中添加可按一下的連結
Pygal還允許你將圖表中的每個條形用作網站的連結。為此，只需添加一行代碼，在為每個專案創建的字典中，添加一個鍵為'xlink' 的鍵—值對：
python_repos.py
--snip--
names,
plot_dicts = [], []
for
repo_dict in repo_dicts:
names.append(repo_dict['name'])
plot_dict = {
'value': repo_dict['stargazers_count'],
'label': repo_dict['description'],
'xlink': repo_dict['html_url'],
}
plot_dicts.append(plot_dict)
--snip--
Pygal根據與鍵'xlink' 相關聯的URL將每個條形都轉換為活躍的連結。按一下圖表中的任何條形時，都將在流覽器中打開一個新的標籤頁，並在其中顯示相應專案的GitHub頁面。至此，你對API獲取的資料進行了視覺化，它是交互性的，包含豐富的資訊！
17.3 Hacker News API
為探索如何使用其他網站的API調用，我們來看看Hacker News（http://news.ycombinator.com/ ）。在Hacker News網站，用戶分享程式設計和技術方面的文章，並就這些文章展開積極的討論。Hacker News的API讓你能夠訪問有關該網站所有文章和評論的資訊，且不要求你通過註冊獲得金鑰。
下面的調用返回本書編寫時最熱門的文章的資訊：
https://hacker-news.firebaseio.com/v0/item/9884165.json
響應是一個字典，包含ID為9884165的文章的資訊：
{
❶ 'url': 'http://www.bbc.co.uk/news/science-environment-33524589',
'type': 'story',
❷ 'title': 'New Horizons: Nasa spacecraft
speeds past Pluto',
❸ 'descendants': 141,
'score': 230,
'time': 1436875181,
'text': '',
'by': 'nns',
'id': 9884165,
❹ 'kids': [9884723, 9885099, 9884789,
9885604, 9885844]
}
這個字典包含很多鍵，如'url' （見❶）和'title' （見❷）。與鍵'descendants' 相關聯的值是文章被評論的次數（見❸）。與鍵'kids' 相關聯的值包含對文章所做的所有評論的ID（見❹）。每個評論自己也可能有kid，因此文章的後代（descendant）數量可能比其kid數量多。
下面來執行一個API調用，返回Hacker News上當前熱門文章的ID，再查看每篇排名靠前的文章：
hn_submissions.py
import requests
from operator import itemgetter
# 執行API調用並存儲回應
❶ url =
'https://hacker-news.firebaseio.com/v0/topstories.json'
r = requests.get(url)
print("Status code:",
r.status_code)
# 處理有關每篇文章的資訊
❷ submission_ids
= r.json()
❸
submission_dicts = []
for submission_id in submission_ids[:30]:
# 對於每篇文章，都執行一個API調用
❹ url = ('https://hacker-news.firebaseio.com/v0/item/'
+
str(submission_id) + '.json')
submission_r = requests.get(url)
print(submission_r.status_code)
response_dict = submission_r.json()
❺ submission_dict = {
'title': response_dict['title'],
'link':
'http://news.ycombinator.com/item?id=' + str(submission_id),
❻ 'comments': response_dict.get('descendants',
0)
}
submission_dicts.append(submission_dict)
❼
submission_dicts = sorted(submission_dicts, key=itemgetter('comments'),
reverse=True)
❽ for
submission_dict in submission_dicts:
print("\nTitle:",
submission_dict['title'])
print("Discussion link:",
submission_dict['link'])
print("Comments:",
submission_dict['comments'])
首先，我們執行了一個API調用，並列印了響應的狀態（見❶）。這個API調用返回一個列表，其中包含Hacker News上當前最熱門的500篇文章的ID。接下來，我們將響應文本轉換為一個Python清單（見❷），並將其存儲在submission_ids 中。我們將使用這些ID來創建一系列字典，其中每個字典都存儲了一篇文章的資訊。
在❸處，我們創建了一個名為submission_dicts 的空清單，用於存儲前面所說的字典。接下來，我們遍歷前30篇文章的ID。對於每篇文章，我們都執行一個API調用，其中的URL包含submission_id 的當前值（見❹）。我們列印每次請求的狀態，以便知道請求是否成功了。
在❺處，我們為當前處理的文章創建一個字典，並在其中存儲文章的標題以及到其討論頁面的連結。在❻處，我們在這個字典中存儲了評論數。如果文章還沒有評論，回應字典中將沒有鍵'descendants' 。不確定某個鍵是否包含在字典中時，可使用方法dict.get() ，它在指定的鍵存在時返回與之相關聯的值，並在指定的鍵不存在時返回你指定的值（這裡是0）。最後，我們將submission_dict 附加到submission_dicts 末尾。
Hacker News上的文章是根據總體得分排名的，而總體得分取決於很多因素，其中包含被推薦的次數、評論數以及發表的時間。我們要根據評論數對字典清單submission_dicts 進行排序，為此，使用了模組operator 中的函數itemgetter() （見❼）。我們向這個函數傳遞了鍵'comments' ，因此它將從這個清單的每個字典中提取與鍵'comments' 相關聯的值。這樣，函數sorted() 將根據這種值對清單進行排序。我們將列表按降冪排列，即評論最多的文章位於最前面。
對列表排序後，我們遍歷這個列表（見❽），對於每篇熱門文章，都列印其三項資訊：標題、到討論頁面的連結以及文章現有的評論數：
Status
code: 200
200
200
200
--snip--
Title:
Firefox deactivates Flash by default
Discussion
link: http://news.ycombinator.com/item?id=9883246
Comments:
231
Title:
New Horizons: Nasa spacecraft speeds past Pluto
Discussion
link: http://news.ycombinator.com/item?id=9884165
Comments:
142
Title:
Iran Nuclear Deal Is Reached With World Powers
Discussion
link: http://news.ycombinator.com/item?id=9884005
Comments:
141
Title:
Match Group Buys PlentyOfFish for $575M
Discussion
link: http://news.ycombinator.com/item?id=9884417
Comments:
75
Title:
Our Nexus 4 devices are about to explode
Discussion
link: http://news.ycombinator.com/item?id=9885625
Comments:
14
--snip--
使用任何API來訪問和分析資訊時，流程都與此類似。有了這些資料後，你就可以進行視覺化，指出最近哪些文章引發了最激烈的討論。
動手試一試
17-1 其他語言 ：修改python_repos.py中的API調用，使其在生成的圖表中顯示使用其他語言編寫的最受歡迎的項目。請嘗試語言JavaScript、Ruby、C、Java、Perl、Haskell和Go等。
17-2 最活躍的討論 ：使用hn_submissions.py中的資料，創建一個橫條圖，顯示Hacker News上當前最活躍的討論。條形的高度應對應于文章得到的評論數量，條形的標籤應包含文章的標題，而每個條形應是到該文章討論頁面的連結。
17-3 測試python_repos.py ：在python_repos.py中，列印status_code 的值，以核實API調用是否成功了。請編寫一個名為test_python_repos.py的程式，它使用單元測試來斷言status_code 的值為200。想想你還可做出哪些斷言，如返回的條目數符合預期，倉庫總數超過特定的值等。
17.4 小結
在本章中，你學習了：如何使用API來編寫獨立的程式，它們自動採集所需的資料並對其進行視覺化；使用GitHub API來探索GitHub上星級最高的Python項目，還大致地瞭解了Hacker News API；如何使用requests包來自動執行GitHub API調用，以及如何處理調用的結果。我們還簡要地介紹了一些Pygal設置，使用它們可進一步定制生成的圖表的外觀。
在本書的最後一個項目中，我們將使用Django來創建一個Web應用程式。
0 留言:
發佈留言