Consommer une API avec Python — Cas pratiques

Section 11.3.4 : Consommer une API avec Python — Cas pratiques

🎯 Objectif pédagogique

Construire des scripts Python robustes pour interagir avec des APIs réelles. Vous serez capable d'enchaîner des appels API, gérer les erreurs, paginer les résultats, et transformer les réponses en données exploitables.

De la théorie à la pratique

Marc connaît la théorie REST. Maintenant il construit de vrais scripts : récupérer la météo, les offres d'emploi, les statistiques GitHub — tout ce qui connecte son Job Tracker au monde réel.

Pattern de base — Client API

import requests
import os
from dotenv import load_dotenv

load_dotenv()

class APIClient:
    """Client HTTP réutilisable."""
    
    def __init__(self, base_url, api_key=None):
        self.base_url = base_url.rstrip('/')
        self.session = requests.Session()
        if api_key:
            self.session.headers['Authorization'] = f'Bearer \{api_key\}'
        self.session.headers['Content-Type'] = 'application/json'
    
    def get(self, endpoint, params=None):
        url = f"\{self.base_url\}/\{endpoint.lstrip('/')\}"
        response = self.session.get(url, params=params, timeout=30)
        response.raise_for_status()
        return response.json()
    
    def post(self, endpoint, data=None):
        url = f"\{self.base_url\}/\{endpoint.lstrip('/')\}"
        response = self.session.post(url, json=data, timeout=30)
        response.raise_for_status()
        return response.json()

Cas 1 : Météo (Open Meteo — sans clé API)

import requests

def get_weather(city_lat, city_lon, city_name=""):
    """Récupère la météo actuelle."""
    response = requests.get(
        "https://api.open-meteo.com/v1/forecast",
        params=\{
            "latitude": city_lat,
            "longitude": city_lon,
            "current_weather": True,
            "timezone": "Europe/Paris"
        \},
        timeout=10
    )
    response.raise_for_status()
    data = response.json()
    weather = data['current_weather']
    
    print(f"🌤️ Météo \{city_name\}: \{weather['temperature']\}°C, vent \{weather['windspeed']\} km/h")
    return weather

# Paris
get_weather(48.86, 2.35, "Paris")

Cas 2 : GitHub — Analyser un profil

import requests
import pandas as pd

def analyze_github_profile(username):
    """Analyse un profil GitHub."""
    # Infos du profil
    user = requests.get(f"https://api.github.com/users/\{username\}", timeout=10).json()
    
    # Repos (avec pagination)
    repos = []
    page = 1
    while True:
        response = requests.get(
            f"https://api.github.com/users/\{username\}/repos",
            params=\{'page': page, 'per_page': 100, 'sort': 'updated'\},
            timeout=10
        )
        batch = response.json()
        if not batch:
            break
        repos.extend(batch)
        page += 1
    
    df = pd.DataFrame(repos)
    
    print(f"👤 \{user.get('name', username)\} (@\{username\})")
    print(f"📊 \{user['public_repos']\} repos publics | \{user['followers']\} followers")
    print(f"⭐ Total stars: \{df['stargazers_count'].sum()\}")
    print(f"🔤 Langages: \{df['language'].dropna().value_counts().head(5).to_dict()\}")
    
    return df

# Exemple
df_repos = analyze_github_profile("torvalds")

Cas 3 : Enchaîner des APIs

import requests
import json

def job_search_enriched(query, location="Paris"):
    """Recherche d'emploi enrichie : offres + météo + stats."""
    results = \{\}
    
    # 1. Météo du lieu
    geo = requests.get(
        "https://geocoding-api.open-meteo.com/v1/search",
        params=\{"name": location, "count": 1\},
        timeout=10
    ).json()
    
    if geo.get('results'):
        city = geo['results'][0]
        weather = requests.get(
            "https://api.open-meteo.com/v1/forecast",
            params=\{
                "latitude": city['latitude'],
                "longitude": city['longitude'],
                "current_weather": True
            \},
            timeout=10
        ).json()
        results['weather'] = weather['current_weather']
        results['location'] = f"\{city['name']\}, \{city.get('country', '')\}"
    
    # 2. On pourrait ajouter d'autres APIs ici
    # (API emploi, statistiques, etc.)
    
    print(json.dumps(results, indent=2, ensure_ascii=False))
    return results

job_search_enriched("data analyst", "Lyon")

Gestion d'erreurs robuste

import requests
from requests.exceptions import RequestException, Timeout, HTTPError

def safe_api_call(url, params=None, retries=3):
    """Appel API avec gestion complète des erreurs."""
    for attempt in range(retries):
        try:
            response = requests.get(url, params=params, timeout=15)
            response.raise_for_status()
            return response.json()
            
        except Timeout:
            print(f"⏳ Timeout (tentative \{attempt+1\}/\{retries\})")
        except HTTPError as e:
            if e.response.status_code == 429:
                wait = int(e.response.headers.get('Retry-After', 30))
                print(f"⚠️ Rate limited. Attente \{wait\}s...")
                import time; time.sleep(wait)
            elif e.response.status_code >= 500:
                print(f"🔥 Erreur serveur \{e.response.status_code\}")
            else:
                raise  # 4xx = erreur client, pas de retry
        except RequestException as e:
            print(f"🌐 Erreur réseau : \{e\}")
    
    return None  # Toutes les tentatives échouées

🏋️ Exercice pratique (25 minutes)

# Construisez un script qui :
# 1. Récupère la météo de 3 villes (Paris, Lyon, Marseille)
# 2. Analyse un profil GitHub
# 3. Combine les résultats dans un DataFrame pandas
# 4. Sauvegarde en CSV

# Bonus : ajoutez la gestion d'erreurs et le rate limiting