本文介绍如何将单url请求的python脚本扩展为批量处理url列表，自动发起http请求、解析json响应、结构化提取字段，并逐次合并结果到pandas dataframe，最终导出为csv文件。
在实际数据采集或地址验证等场景中，常需对一批URL（如多个地址查询接口）进行批量调用。原脚本仅支持单个URL，通过引入循环与DataFrame拼接机制，即可高效实现批量处理。以下是优化后的完整实现：
import requests
import pandas as pd
# 定义待请求的URL列表（可按需扩展）
urls = [
'https://ws1.postescanada-canadapost.ca/AddressComplete/Interactive/Find/v2.10/json3ex.ws?Key=TF36-KU97-AB94-ZC85&Country=CAN&SearchTerm=L2A%200A2&LanguagePreference=en&LastId=CA%7CCP%7CENG%7C0A2-L2A&SearchFor=Everything&OrderBy=UserLocation&$block=true&$cache=true',
'https://ws1.postescanada-canadapost.ca/AddressComplete/Interactive/Find/v2.10/json3ex.ws?Key=TF36-KU97-AB94-ZC85&Country=CAN&SearchTerm=M5V%203L9&LanguagePreference=en&SearchFor=Everything&OrderBy=UserLocation&$block=true&$cache=true',
# 可继续添加更多URL...
]
# 统一请求头（避免重复构造）
headers = {
'authority': 'ws1.postescanada-canadapost.ca',
'accept': '*/*',
'accept-language': 'en-US,en;q=0.9',
'cache-control': 'no-cache',
'origin': 'https://www.canadapost-postescanada.ca',
'pragma': 'no-cache',
'referer': 'https://www.canadapost-postescanada.ca/ac/',
'sec-ch-ua': '"Not A(Brand";v="99", "Google Chrome";v="121", "Chromium";v="121"',
'sec-ch-ua-mobile': '?0',
'sec-ch-ua-platform': '"Windows"',
'sec-fetch-dest': 'empty',
'sec-fetch-mode': 'cors',
'sec-fetch-site': 'cross-site',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/121.0.0.0 Safari/537.36',
}
# 初始化空DataFrame用于累积结果
final_df = pd.DataFrame()
# 遍历每个URL并处理响应
for i, url in enumerate(urls, 1):
print(f"正在请求第 {i}/{len(urls)} 个URL: {url[:60]}...")
try:
response = requests.get(url, headers=headers, timeout=15)
response.raise_for_status() # 抛出HTTP错误（如4xx/5xx）
data = response.json()
results = data.get('Items', [])
# 使用列表推导式高效提取字段
texts = [item['Text'] for item in results if 'Text' in item]
descriptions = [item['Description'] for item in results if 'Description' in item]
# 构建当前批次DataFrame
batch_df = pd.DataFrame({
'results_subset_alpha': texts,
'results_subset_beta': descriptions,
'source_url': [url] * len(texts) # 可选：记录来源URL便于追溯
})
# 合并至总表（推荐使用pd.concat替代已弃用的append）
final_df = pd.concat([final_df, batch_df], ignore_index=True, sort=False)
except requests.exceptions.RequestException as e:
print(f"❌ 请求失败（URL {i}）: {e}")
continue
except (KeyError, ValueError) as e:
print(f"⚠️ 解析异常（URL {i}）: {e}")
continue
# 保存最终结果到CSV文件
if not final_df.empty:
final_df.to_csv('batch_results.csv', index=False)
print(f"✅ 成功保存 {len(final_df)} 条记录到 'batch_results.csv'")
else:
print("⚠️ 未获取到有效数据，请检查URL和API响应格式。")关键改进说明：
- ✅ 健壮性增强：添加 try/except 捕获网络异常与JSON解析错误，避免单个失败中断整个流程；
- ✅ 现代写法：使用 pd.concat() 替代已弃用的 .append() 方法（Pandas ≥1.4.0），提升性能与兼容性；
- ✅ 可追溯性：新增 source_url 列，便于定位每条结果对应的原始请求；
- ✅ 用户体验：加入进度提示与状态反馈，便于调试与监控；
- ✅ 安全性建议：生产环境应将API Key从URL中移出，改用请求头或环境变量管理。
⚠️ 注意事项：部分API可能限制请求频率或需认证。若批量调用频繁，建议在循环中添加 time.sleep(1) 延迟，遵守服务端速率限制，避免被封禁。
