知识卡片
优先用 API 而非抓取
API 是站点显式提供的数据出口:你按参数请求,它返回带字段的结构化数据,不用猜页面结构,也不会因为对方改版换个 class 名就全盘失效。抓取则是从给人看的页面反推结构,属于“最后的手段”。选择 API 把成本转移到了接入侧:要读懂端点与参数、处理认证与配额、应对分页,而且响应是字符串,还要反序列化。合理的顺序是先找官方 API 与其 Python 封装,其次找第三方库,都没有才写抓取器——因为抓取器的维护成本会随对方每一次改版持续发生。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第9章 获取数据
原书出处 · 1 处
- 第9章 获取数据 · 查看原书依据
通常我们不会在“做出请求并自己解析响应”这种低级别上使用 API。使用 Python 的一个好处是,有人已建好了库,方便你访问感兴趣的几乎所有 API。
参考来源
- 位置:《数据科学入门(第2版)》第9章 获取数据(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0013.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「通常我们不会在“做出请求并自己解析响应”这种低级别上使用 API……」
- 原始内容:通常我们不会在“做出请求并自己解析响应”这种低级别上使用 API。使用 Python 的一个好处是,有人已建好了库,方便你访问感兴趣的几乎所有 API。