【推荐】Dan Koe：如何用一天时间彻底重塑你的人生

一番思考休整后，我们再次投入“口袋数据库”系列的多维表格实操练习。在上篇文章中，有读者朋友提出疑问，为何在 Python 与多维表格联动时，我们选择了 http.client 库而非市面上更为流行的 requests 库。

【实用】Python 联动多维表格：WebHook 从 0 到 1 实操（附代码）

答案其实很简单，我最初的确使用了 requests 库，但为了更贴合 WPS 的《AirScript文档》，后来才改为 http.client 库。这次，我们一起来探讨如何将文档中的  http.client 库迁移到 requests 库。稍作梳理，分享于你。

特别说明：本文设置小实验，你可以跟着一步步操作，边调试边琢磨，逐步消化知识点。实验代码（含 AI 互动记录）可在本公众号后台回复wgsy获取。

一、背景概念

关于口袋数据库、多维表格、AirScript、WebHook等概念，我已在之前的文章中进行了一些阐述和介绍。即使你没看过前序文章，也完全不用担心。你可以直接跟着我完成这次实验，等体验到它的实用价值后，再回过头去翻阅往期的内容。口袋数据库

这次，我们再探讨一个叫“视图”的概念。在多维表格中，视图就像是同一份原始数据的“多角度展示”，它并不存储新的数据，而是为你提供了一种全新的方式来审视原始表格。

举个实际例子，对网络工程师来说，你可以把它理解成给 “端口表” 这类数据做的专属监控看板：

• 你不用改动原始的 “登记表”，就能通过视图功能，快速切换成表格视图、看板视图等不同样式。
• 你可以创建一个 “告警端口视图”，自动筛选出状态为 down 的记录，或者把字段按 “网元” 分组展示，这就像给监控面板换了一套显示规则。
• 你在视图里修改某个单元格内容时，本质是直接修改原始数据，所有关联视图都会同步更新。

这些概念实际上借鉴了数据库领域中的“视图”，但在多维表格中表现得更为简洁。在数据库中，视图不仅包括这些简单的筛选展示，还可能涉及从原始表、库中根据条件进行筛选、聚合、关联等操作，从而展示出更为复杂的定制化结果。

观察上图，对于张三和李四来说，他们各自的视图就像是“专属的操作窗口”（例如，他们可以各自设置筛选条件）只展示他们负责的设备端口，无需在全量数据中搜寻。然而，这个窗口是“透明”的，当他们在这个视图中修改端口描述、状态等信息时，实际上是在修改底层原始表的记录。因此，汇总表会实时同步这些更改。

打个比方，这类似于网络中的“ VLAN 隔离+共享核心”模式：视图充当了 VLAN 的角色，将每个人的操作范围隔离开来；而原始表则像是核心交换机，统一存储所有数据。这种模式既确保了每个人操作的便捷性，又避免了维护多份重复的表格。

虽然“视图”的概念与本次实验没有直接关联，但这个知识点对于理解和运用多维表格以及数据库来说都非常重要。之前我未曾提及，所以借此机会稍作展开。

好了，让我们直接进入实验环节，使用 Python 的 requests 库来读取表格内容。

二、实验过程

本次实验的目标是激活多维表格的 WebHook 功能，并使用 Python 代码与之联动，从而读取表格中的记录。

如何手工搭建出这样一个多维表格，可参考我前序文章。

2.1 获取脚本令牌（APIToken）

《AirScript 文档》链接：

https://airsheet.wps.cn/docs/apitoken/intro.html

我们申请一个脚本令牌：

5dqDjde9RU3UhFc8IbpvKA

特别提醒：实验结束后，我会立即删除令牌。请务必获取你自己的令牌，并妥善保管。同一账号下通常仅支持一个有效令牌，忘记后可删除旧令牌重新生成。

2.2 获取脚本 webhook 链接

之前我们通过 AirScript 获取表 ID 的脚本：

此时，在多维表格中，只有 1 张数据表，名字为“登记表”，ID 为“1”。

为什么我知道要获取数据表的内容，需要先知道它的表 ID 呢？答案就藏在《AirScript 文档》中。

使用Application.Record.GetRecords({ SheetId: xxx })方法，需要先知道 ID 值。

const records = Application.Record.GetRecords({ SheetId: 1 })console.log(records)return records

我们在 WPS 上直接测试脚本：

可见，已成功获取端口表的内容。

我们查看并记录这个脚本的 webhook 链接：

https://www.kdocs.cn/api/v3/ide/file/481683053453/script/V2-2vgkfRg5Do5gMlUmy6ykQ0/sync_task

• 脚本令牌（APIToken）
• AirScript 脚本 WebHook 链接

脚本令牌（APIToken）每人只有一个，而 WebHook 链接每个 AirScript 脚本有一个。

APIToken、WebHook 链接都有了，剩下的就是如何把  http.client 库的 Python 示例代码迁移改成 requests 库的了。

2.3 requests 代码

我们如何编写和修改代码呢？一个有效的方法是利用AI（如 AI 在线聊天、集成开发环境 IDE 内嵌 AI 功能）工具，直接向它们提出需求。这个方法我在之前的文章中已经多次介绍过。AI 赋能

# 导入requests库import requests# 1. 配置请求相关参数url = "https://www.kdocs.cn/api/v3/ide/file/481683053453/script/V2-2vgkfRg5Do5gMlUmy6ykQ0/sync_task"payload = {"Context": {"argv": {}}}  # 直接用Python字典，无需手动转JSON字符串headers = {'Content-Type': "application/json",'AirScript-Token': "5dqDjde9RU3UhFc8IbpvKA"# 你的脚本令牌}# 2. 发送POST请求（requests会自动处理HTTPS连接、JSON序列化等）response = requests.post(url, json=payload, headers=headers)# 3. 打印响应结果（自动解码为UTF-8字符串，无需手动decode）print(response.text)

本次，我使用的 IDE 是字节 TRAE 国内版。我们测试一下。

测试顺利，我们成功获取了端口表的记录。至此，无论我们使用  http.client 库还是 requests 库，都已经实现了 Python 脚本与 WPS 多维表格的联动功能。

再次强调数据安全的重要性。我目前使用的脚本令牌（APIToken）和 AirScript 脚本的 WebHook 链接地址都仅用于示例测试，对于你自己的真实数据，这些信息绝对不可泄露。

2.4 代码优化

通过上面的代码，我们使用 Python 成功获取了多维表格 wgsy.dbt 中端口表的数据。然而，仔细观察，你会发现这些数据看起来有些“杂乱无章”。接下来，我们可以利用 Python 的基础知识，从中提取出我们所需的数据。

同样地，在利用Python进行字符串数据提取方面，借助AI工具，也比以前“轻松”了许多。AI 赋能

代码修改如下：

import requestsfrom pprint import pprintimport json# 1. 配置请求相关参数url = "https://www.kdocs.cn/api/v3/ide/file/481683053453/script/V2-2vgkfRg5Do5gMlUmy6ykQ0/sync_task"payload = {"Context": {"argv": {}}}  # 直接用Python字典，无需手动转JSON字符串headers = {'Content-Type': "application/json",'AirScript-Token': "5dqDjde9RU3UhFc8IbpvKA"# 你的脚本令牌}# 2. 发送POST请求（requests会自动处理HTTPS连接、JSON序列化等）response = requests.post(url, json=payload, headers=headers)# 3. 打印响应结果（自动解码为UTF-8字符串，无需手动decode）## print(response.text)result =  json.loads(response.text)pprint(result['data']['result']['records'])

我们再次运行 Python 脚本：

好了，接下来，你想要怎么样的数据，就可以自助尝试处理了。

本次实验的相关示例代码，AI 聊天互动过程整理，我都整理放在本微信公众号后台，回复wgsy即可获取。

三、本文总结

本文将 Python 第三方 requests 库与 WPS 的 AirScript（基于 JavaScript）相结合，通过 HTTP 协议实现了与多维表格的联动，成功读取了数据表的全量内容，同时也顺带介绍了多维表格与数据库中重要的“视图”概念。本次实操也清晰展示了从 Python 内置 http.client 模块迁移至 requests 库的便捷性。Requests 库的自动 JSON 序列化、HTTPS 处理、UTF-8 解码等特性，可以让多维表格的联动开发更高效。

需要特别补充几点实操注意事项：一是 AirScript 的脚本令牌（APIToken）为全局权限，并非仅针对单张表格生效，一旦泄露可能导致账号下所有多维表格数据被读取或篡改，务必严格保密并妥善管理；二是实操中数据表的 SheetId 需按自身表格的实际 ID 获取，并非固定为 1，直接照搬示例中的 ID 会导致调用失败；三是代码开发中需做好异常处理，网络错误、权限失效、服务限流等场景下，接口返回的response.text不一定是合法 JSON 格式，正式使用时建议先判断response.status_code响应状态码，避免脚本因解析失败崩溃。当然，查阅产品文档，官方手册，都是我们网络工程师的日常必备技能。

【实用】关于产品文档阅读

【实用】如何借助 AI 高效查阅 RFC 文档？

实际上，若多维表格中数据量较大（如上万行），全量获取数据后再筛选的方式并非最优解，后续可从分页查询、条件筛选等方向优化。对于多维表格和数据库的学习，无需一开始深究复杂技术细节，可从连接、增删改查等基础操作入手，结合实际应用不断实践打磨，兼顾学习与生产需求。

最后，我想再补充两句。为了演示的便利性，本“口袋数据库”系列采用了国内广泛使用的金山办公 WPS 产品进行整理。需要注意的是，WPS 的多维表格是在线的，对于涉及敏感信息等特定场景，最好使用离线本地部署的多维表格系统。市场上存在许多国外、国内，在线、离线，闭源、开源的多维表格产品，尽管它们在功能和特性上有所不同，但整体的使用思路是相似的，产品之间也会“相互致敬”（抄来抄去）。

附上广东省汕头市濠江区玉新街道玉石社区“崎石问天”作为配图。巨岩如柱，静立在蓝天下，仿佛在向苍穹诉说着海岛的千年故事。暖阳穿过枝叶，在石板路上投下斑驳光影，海风轻拂，连时光都跟着慢了下来，让人沉醉在这山海相依的诗意里。

今晚先分享这些，后续将继续梳理分享。

我知乎总目录 https://zhuanlan.zhihu.com/p/370526806 读者再创作目录 https://zhuanlan.zhihu.com/p/498090646

感谢阅读，欢迎关注点赞，转发分享。

觉得有帮助，特别认可，可打赏 1 元鼓励！

2026 年 2 月于广东汕头

（本人在家乡广东汕头工作和生活。汕头位于大陆海岸线与北回归线的交界处，是著名侨乡和“美食孤岛”，也是中国数字经济创新发展大会的永久会址。欢迎我的读者和同行朋友们有机会来汕头进行商务出差或旅游。如果你们有空来汕头，欢迎与我交流本地的风土人情和网络技术实践。我们的团队专注于大型数据中心和通信基础网的建设与运维，业务辐射华南乃至全国全球。欢迎交流洽谈合作。另，《网络工程师的Python之路》、《网络工程师的AI之路》已被多所院校、培训机构列为教材，也是 NetDevOps 生产工具书，欢迎购买支持。购书可加入读者交流群，享受更多增值服务。）