从 fetch 到 requests：前端开发者如何用 Python 调 API

漫游的渔夫
3 阅读7分钟

如果你是前端开发者，第一次用 Python 写 API 请求时，大概率会有一种熟悉又陌生的感觉。

熟悉，是因为“发请求、拿结果、处理 JSON”这条链路你早就见过。
陌生，是因为写法从浏览器环境切到了 Python 脚本环境。

我在补 AI 工程基础时，越来越强烈地感受到一件事：

前端开发者学 Python 调 API，其实没有想象中那么难。

需要特别指出的是，Python 的 requests 库默认是同步阻塞的。这和前端习惯的 async/await 异步非阻塞截然不同。你不需要写 await requests.get()，代码会在这里停下，直到请求返回。

因为从 fetch 到 requests，变的是语法，不变的是接口思维。

这篇文章想做一件很具体的事：把“前端开发者第一次用 Python 调 API”这件事，讲得不吓人、可迁移、能立刻上手。

适用读者

这篇文章主要适合：

  • 熟悉前端接口调用
  • 会 fetch 或 axios
  • 刚开始接触 Python
  • 想为后续接大模型 API 做准备

如果你已经长期做 Python 后端开发，这篇文章更适合作为给团队新人或跨栈同学的入门材料。

结论前置

前端开发者学 Python 调 API 时，最重要的不是记住多少语法，而是先建立这条稳定链路：

  1. 发请求
  2. 看状态
  3. 解析 JSON
  4. 做异常处理
  5. 封装成函数

这条链路一旦建立，后面从普通 HTTP 接口过渡到大模型接口，会顺很多。

为什么 AI 工程一定绕不开 API

很多人刚开始学 AI，会把注意力都放在模型本身。
但从工程角度看，AI 工程师每天做的很多事情，其实都离不开 API：

  • 调用大模型
  • 调用 embedding 服务
  • 调用第三方数据服务
  • 调用自己的后端接口

所以如果不会用 Python 调 API，后面几乎所有 AI 实战都会卡住。

前端开发者其实已经会了一半

作为前端开发者，我们对下面这套流程并不陌生：

  1. 发请求
  2. 等响应
  3. 看状态
  4. 解析 JSON
  5. 把结果接进业务逻辑

在 JavaScript 里，最常见的写法可能是这样：

const res = await fetch("https://jsonplaceholder.typicode.com/todos/1");
const data = await res.json();
console.log(data.title);

而在 Python 里，对应思路其实非常接近：

import requests

res = requests.get("https://jsonplaceholder.typicode.com/todos/1")
data = res.json()
print(data["title"])

你会发现，核心流程几乎没变。

这也是很多前端开发者切到 Python 后，会有一种奇妙感觉的原因：
“虽然语法长得不一样，但脑子里那条处理链路其实很熟。”

一张对照表：fetch 和 requests 怎么快速建立映射

前端里怎么想Python 里怎么做
fetch(url)requests.get(url)
fetch(url, { method: 'POST', body: JSON.stringify(data) })requests.post(url, json=data)
await res.json()res.json()
看 res.status看 response.status_code
try/catchtry/except
接进页面状态接进脚本或后端逻辑

这张表特别适合刚切换语言时看。
它会帮你快速建立“熟悉感”，而不是一上来就被新语法打散节奏。

一个最小请求，应该理解什么

下面这段代码很短，但已经包含了几个非常关键的点：

import requests

url = "https://jsonplaceholder.typicode.com/todos/1"
response = requests.get(url)

print(response.status_code)
print(response.text)

你至少要理解这些事情：

  • requests.get(url) 是发起请求
  • status_code 是 HTTP 状态码
  • text 是返回的原始文本

然后下一步通常就是：

data = response.json()

这一步会把 JSON 响应转成 Python 里的 dict 或 list。
而一旦走到这里，前面学过的 Python 数据结构就全部串起来了。

为什么异常处理不能省

在前端开发里，我们早就知道接口不会永远成功。
Python 里也是一样。

网络超时、服务报错、地址错误、返回异常，这些情况在真实项目里都很常见。

所以初学 API 调用时，一个很好的习惯就是尽早接受这件事：

异常处理不是锦上添花，而是工程意识的起点。

比如：

import requests

try:
    response = requests.get(url, timeout=5)
    response.raise_for_status()
    data = response.json()
    print(data)
except requests.RequestException as e:
    print("请求失败：", e)

这里至少包含了三个非常实用的习惯：

  • 设置 timeout
  • 用 raise_for_status() 主动识别失败状态
  • 用 try/except 做兜底

如果“调 API”像出门开车，那异常处理就像系安全带。
你当然可以不系，也不是每次都会出事，但一旦真的遇到问题，没有它就会很狼狈。

封装函数，是从练习到工程的分水岭

很多代码一开始能跑，但还不像工程代码。
而最容易让它跨过这条线的动作，就是封装函数。

比如：

import requests

def fetch_user(user_id):
    url = f"https://jsonplaceholder.typicode.com/users/{user_id}"

    try:
        response = requests.get(url, timeout=5)
        response.raise_for_status()
        return response.json()
    except requests.RequestException as e:
        print("请求失败：", e)
        return None

这段代码的价值不只是“更整齐”，而是它开始具备了复用性。

以后你把请求对象换成：

  • 用户接口
  • 商品接口
  • 大模型接口
  • 向量检索接口

整体结构都不会差太多。

一个很关键的认知变化：大模型 API 也只是 API

很多人一听“大模型接口”，会下意识觉得这是一个特别高深、特别不一样的东西。

其实从工程视角看，它依然遵循非常熟悉的节奏：

  1. 组织请求参数
  2. 发出 HTTP 请求
  3. 拿到 JSON 响应
  4. 解析字段
  5. 做错误处理
  6. 把结果交给业务逻辑

也就是说，当你练熟普通 API 调用时，本质上已经在为后面的 AI 开发铺路。

团队协作视角下，为什么这件事很重要

在团队里，“会调 API”不只是个人技能，它直接影响这些协作环节：

  • 联调效率
  • 问题定位速度
  • 错误信息沟通质量
  • 前后端与 AI 服务之间的边界清晰度

一个能稳定发请求、看状态码、读响应、做错误处理的人，往往能更快把问题说清楚，也更容易和后端、平台、算法同学协作。

常见误区

误区 1：能请求成功就算学会了

真正可用于工程协作的标准，不是“偶尔跑通”，而是能稳定处理失败场景、能快速定位问题。

误区 2：大模型 API 和普通 API 完全不同

从工程形态上看，它们依然共享大量相同模式：HTTP 请求、JSON 响应、错误处理、参数组织。

误区 3：先把代码写出来，异常处理以后再补

在真实协作中，很多沟通成本恰恰来自“失败时没有足够信息”，所以异常处理最好尽早建立。

给刚开始学的人一个最小行动清单

如果你今天刚开始学，我建议立刻做下面这 4 件小事：

  1. 用 requests.get() 请求一个公开测试接口
  2. 打印 status_code
  3. 用 response.json() 解析数据
  4. 用 try/except 和 timeout 给它加一层保护

只要这一步走通，后面你接大模型接口时，心理压力会小很多。

适用边界

这篇文章关注的是“入门和迁移思维”。
它没有深入展开这些内容：

  • 认证与鉴权细节
  • 异步请求和并发
  • Session、连接池、重试策略
  • 生产环境日志与监控

这些在后续工程化阶段依然重要，但不应该阻塞你先建立最基础的请求能力。

结语

从 fetch 到 requests，表面上是从 JavaScript 切换到 Python，实际上是在延续同一套接口思维。

对前端开发者来说，这是一条非常友好的过渡路径：

  • 你已经懂请求和响应
  • 你已经懂 JSON
  • 你已经懂接口失败要做兜底

现在要做的，只是把这些能力迁移到 Python 环境里。

而一旦这一步走通，后面无论是调用大模型、处理结构化输出，还是做 AI 工作流，都会自然很多。

所以如果你正在从前端开发转向 AI 工程，我会很推荐尽早把这件事练熟：

用 Python 调 API。

它看起来只是基础，但其实是后面很多 AI 能力的入口。

avatar
文章
阅读
粉丝