Learn AI with Python · Lektion

APIs mit requests verarbeiten

Lernen Sie, Daten aus Online-APIs abzurufen und mit ihnen zu arbeiten.

Lektion 4 von 511 Schritte

APIs mit requests verarbeiten ist eine kostenlose Learn AI with Python-Lektion auf CoddyKit. Dies ist Lektion 4 von 5. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Learn AI with Python-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Learn AI with Python-Kurs umfasst insgesamt 5 Lektionen.

Einführung in den Umgang mit APIs

APIs (Programmierschnittstellen) ermöglichen es Anwendungen, miteinander zu kommunizieren. Die Python-Bibliothek requests vereinfacht die Arbeit mit APIs, indem sie HTTP-Anfragen sendet und Antworten verarbeitet.

In dieser Lektion lernen Sie, wie Sie die Bibliothek requests verwenden, um API-Anfragen zu senden und Antworten zu verarbeiten.

APIs mit requests verarbeiten — Illustration 1

requests installieren

Um die Bibliothek requests zu installieren, verwenden Sie den folgenden Befehl in Ihrem Terminal:

pip install requests

Nach der Installation können Sie die Bibliothek in Ihren Python-Skripten importieren:

# Importing requests
import requests

print("Requests library imported successfully")

Eine GET-Anfrage senden

Die Methode GET wird verwendet, um Daten von einer API abzurufen. Verwenden Sie die Funktion requests.get(), um eine GET-Anfrage zu senden:

# Sending a GET request
import requests

response = requests.get("https://jsonplaceholder.typicode.com/posts/1")
print(response.json())  # Outputs the JSON response

Eine POST-Anfrage senden

Die Methode POST wird verwendet, um Daten an eine API zu senden. Verwenden Sie dazu die Funktion requests.post():

# Sending a POST request
import requests

payload = {"title": "foo", "body": "bar", "userId": 1}
response = requests.post("https://jsonplaceholder.typicode.com/posts", json=payload)
print(response.json())  # Outputs the response

Antworten verarbeiten

Die Bibliothek requests stellt mehrere Attribute zur Verarbeitung von Antworten bereit, darunter:

  • response.status_code: HTTP-Statuscode.
  • response.json(): JSON-Daten der Antwort.
  • response.text: Unverarbeiteter Inhalt der Antwort.
# Handling responses
response = requests.get("https://jsonplaceholder.typicode.com/posts/1")
if response.status_code == 200:
    print("Success:", response.json())
else:
    print("Failed with status code:", response.status_code)

Abfrageparameter hinzufügen

Sie können einer API Abfrageparameter über das Argument params einer GET-Anfrage übergeben:

# Adding query parameters
params = {"userId": 1}
response = requests.get("https://jsonplaceholder.typicode.com/posts", params=params)
print(response.json())

Header hinzufügen

Header ermöglichen es Ihnen, zusätzliche Informationen wie API-Schlüssel oder Inhaltstypen mit Ihren Anfragen zu senden:

# Adding headers
headers = {"Authorization": "Bearer YOUR_API_KEY"}
response = requests.get("https://jsonplaceholder.typicode.com/posts", headers=headers)
print(response.status_code)

Fehler behandeln

Die Bibliothek requests bietet eine integrierte Ausnahmebehandlung für netzwerkbezogene Fehler:

# Handling errors
try:
    response = requests.get("https://jsonplaceholder.typicode.com/invalid")
    response.raise_for_status()
except requests.exceptions.HTTPError as err:
    print("HTTP error occurred:", err)
except requests.exceptions.RequestException as err:
    print("Request error occurred:", err)

Häufige Fehler bei requests

Hier sind einige Fehler, die Sie vermeiden sollten:

  • HTTP-Fehler nicht mit response.raise_for_status() behandeln.
  • Vertrauliche Informationen wie API-Schlüssel direkt im Skript hinterlegen.
  • Vergessen, die richtige HTTP-Methode anzugeben (z. B. GET, POST).

Was haben wir gelernt?

In dieser Lektion haben Sie Folgendes gelernt:

  • Wie Sie die Bibliothek requests installieren und importieren.
  • Wie Sie GET- und POST-Anfragen an APIs senden.
  • Wie Sie Antworten verarbeiten, Abfrageparameter und Header hinzufügen sowie Fehler behandeln.

Sehr gut! Fahren wir mit dem nächsten Thema fort.

APIs mit requests verarbeiten — Illustration 11
Kostenlos starten

Lerne Python mit einem KI-Tutor — kostenlos

Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.

Kurse
53
Lektionen
225

Häufig gestellte Fragen

Ist die Lektion „APIs mit requests verarbeiten“ kostenlos?

Ja — der vollständige Text von „APIs mit requests verarbeiten“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Learn AI with Python-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Learn AI with Python-Kurs umfasst insgesamt 5 Lektionen.

Was lerne ich in „APIs mit requests verarbeiten“?

Lernen Sie, Daten aus Online-APIs abzurufen und mit ihnen zu arbeiten. Du übst Learn AI with Python mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um Learn AI with Python zu starten?

Keine Vorkenntnisse erforderlich. Learn AI with Python auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 5.

Wie lange dauert die Lektion „APIs mit requests verarbeiten“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser Learn AI with Python-Lektion Code schreiben und ausführen?

Ja. Jede Learn AI with Python-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

  1. Datenanalyse mit Pandas
  2. Datenvisualisierung mit Matplotlib
  3. NumPy für numerische Berechnungen
  4. APIs mit requests verarbeiten
  5. Web-Scraping mit BeautifulSoup
← Zurück zu Learn AI with Python