


Cara Mendapatkan Data API dan Simpan dalam AWS S3
Tutorial ini menunjukkan cara untuk mendapatkan semula data daripada OpenWeather API menggunakan Python dan menyimpannya dalam AWS S3. Kaedah mudah ini membolehkan anda mengambil dan menyimpan data API awan untuk kegunaan kemudian. Walaupun anda baru mengenali ini, langkah-langkahnya digariskan dengan jelas. Untuk pendekatan berbeza menggunakan React, lihat artikel kami tentang mengambil data API dengan React.
Apa yang Anda Akan Pelajari:
Tutorial ini merangkumi:
- Mendapatkan semula data cuaca daripada OpenWeather API dengan Python.
- Menyediakan baldi S3 untuk storan data.
- Memuat naik data yang diambil ke AWS S3.
Prasyarat:
Sebelum bermula, pastikan anda mempunyai:
- Akaun AWS (daftar di sini).
- Repositori GitHub untuk kod anda (daftar di sini).
- Penyunting kod (Kod VS disyorkan).
Langkah 1: Mencipta Baldi AWS S3
Untuk menyimpan data anda, buat baldi S3:
- Log masuk ke akaun AWS anda.
- Cari "S3".
- Klik "Buat baldi" dan ikut arahan.
- Pilih nama baldi yang unik (cth.,
my-weather-data
). - Pilih rantau.
- Klik "Buat".
Langkah 2: Mengambil Data daripada OpenWeather API
Buat akaun OpenWeather.
Mendapatkan Kunci API Anda:
- Daftar: Daftar di laman web OpenWeather. Kunci API anda akan tersedia pada halaman seterusnya.
- Cari Kunci API Anda: Kunci API biasanya ditemui di bawah tab "Kunci API".
- Akses Alternatif: Anda juga boleh menemuinya dalam tetapan profil anda.
Pasang requests
perpustakaan:
pip install requests
Ambil data cuaca:
import requests import json api_key = 'YOUR_API_KEY' # Replace with your key city = 'London' def get_weather_data(): url = f'http://api.openweathermap.org/data/2.5/weather?q={city}&appid={api_key}' response = requests.get(url) return response.json() weather_data = get_weather_data() print(weather_data)
Skrip ini mendapatkan semula data cuaca semasa untuk bandar yang ditentukan.
Langkah 3: Menyediakan AWS SDK untuk Python (Boto3)
Pasang Boto3:
pip install boto3
Konfigurasikan bukti kelayakan AWS anda mengikut panduan konfigurasi. Anda memerlukan ID Kunci Akses dan Kunci Akses Rahsia anda.
Langkah 4: Memuat naik Data ke AWS S3
Sediakan klien S3:
import boto3 aws_access_key_id = 'YOUR_ACCESS_KEY' # Replace aws_secret_access_key = 'YOUR_SECRET_KEY' # Replace region_name = 'eu-west-2' # Replace with your region s3 = boto3.client('s3', aws_access_key_id=aws_access_key_id, aws_secret_access_key=aws_secret_access_key, region_name=region_name)
Muat naik data:
def upload_to_s3(data): bucket_name = 'my-weather-data' # Replace with your bucket name file_name = 'weather_data.json' s3.put_object(Bucket=bucket_name, Key=file_name, Body=json.dumps(data), ContentType='application/json') print('Upload successful!') upload_to_s3(weather_data)
Cara ia Berfungsi:
Skrip menggunakan requests
untuk mengambil data JSON dan boto3
untuk memuat naiknya ke baldi S3 anda sebagai weather_data.json
.
Langkah 5: Mengesahkan Muat Naik
Semak Konsol Pengurusan S3 anda untuk mengesahkan weather_data.json
fail berada dalam baldi anda.
Kesimpulan:
Tutorial ini menunjukkan cara untuk mengambil dan menyimpan data cuaca daripada OpenWeather API dalam AWS S3 menggunakan Python. Ini ialah teknik yang berharga untuk mengurus dan mengakses data API dalam awan.
Atas ialah kandungan terperinci Cara Mendapatkan Data API dan Simpan dalam AWS S3. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.
