项目背景与目标
世界银行开放数据是可以免密钥直接拉全库的，连账号都不用注册。难点从来不在取数，在找指标。我第一次用它做一份跨国对比，心想「GDP 总不会找错」，结果第一轮拉回来的数跟预算表对不上，返工了两天——错在指标选了同名不同库的那个。
这篇文章把那次重做的过程拆开：目标是把「找指标 → 取数 → 落盘」这条链路做成别人能照着跑一遍的东西，每一步的数字都是 2026-10-14 用 Python 标准库直接打接口量出来的，不是抄来的。
约束条件
先划边界。世界银行 Indicators API v2 不需要任何密钥（v1 已于 2020 年 6 月停用，别照老教程填 app id），数据是 CC BY 4.0，引用要署名，具体条款以官方最新公布为准。我们只写方法与示例，不做数据二次分发。
但有几个约定必须先定死：所有请求统一带 User-Agent；网络不稳，脚本必须自带重试（我用的是三次、间隔递增）；拉回来的每个数据包必须带 lastupdated 字段，没有更新时间的数据等于没有保质期。
执行过程
第一步不是搜关键词，是摸规模。country?format=json&per_page=1 就够了——把 per_page 压到 1，meta 里照样给出 total: 296，也就是 296 个国家与地区，一次请求几 KB。同理换个接口：source 是 71 个数据库，topic 是 21 个主题，indicator 是 29,544 个指标。
指标近三万，硬翻是不现实的。我试了 indicator?format=json&per_page=20000：耗时 21.86 秒、返回 20,000 条，看起来很爽，但 meta 里 pages: 2——就算把 per_page 顶到两万，还是得翻页。这一条我踩得很实在，第一次脚本以为拿全了，其实末尾那九千多条没进来。
正确的走法是先定主题。从 topic 接口拿到主题编号后查 topic/3/indicator?format=json&per_page=5，meta 给 Economy & Growth 主题下共 306 个指标，比在三万条里翻快一个量级。
21 个主题里前几个是 Agriculture & Rural Development、Aid Effectiveness、Economy & Growth、Education、Energy & Mining、Environment、Financial Sector、Health、Infrastructure、Social Protection & Labor。做宏观对比基本只在这几个里转，先把范围缩到主题，再谈检索。
然后才是认指标。这里有个坑：有一条叫 GDP (current $) 的指标，ID 是 6.0.GDP_current，来自另一个数据库；日常用的是 NY.GDP.MKTP.CD，官方全称 GDP (current US$)，source.id = 2（World Development Indicators）。两个名字像得几乎认不出来，单位口径也不一样。
拿不准就查元数据：indicator/NY.GDP.MKTP.CD?format=json 会返回 sourceOrganization，是一串多机构清单（各国官方统计机构、OECD 国民账户、世行 staff estimates）。这就是「为什么引用时必须写来源串」的依据——数据本来就是拼起来的。
结果数据
用 country/chn/indicator/SP.POP.TOTL?format=json&date=2020:2025 取中国总人口，meta 里 lastupdated: 2026-10-08，值如下（单位：人）：
| 年份 | 总人口 |
|---|---|
| 2021 | 1,412,360,000 |
| 2022 | 1,412,175,000 |
| 2023 | 1,410,710,000 |
| 2024 | 1,408,975,000 |
| 2025 | 1,406,585,000 |
两组容易忽略的数字：不写 per_page 时默认是 50（date=2015:2025 拿到 11 条，meta 里 per_page 就是 50），年份拉长了要自觉翻页；查不存在的指标不会报错给人看——我拿 AA.BB.CC.DD 试了一次，HTTP 状态照旧，正文返回的是 message id 120「The provided parameter value is not valid」。脚本只判状态码，会把失败当成功。
对比的另一头：71 个数据库里真正常用的没几个，World Development Indicators、Doing Business、Worldwide Governance Indicators、International Debt Statistics、Education Statistics 这几个撑起了大部分场景。我们那份十大经济体 GDP 长序列数据集用的就是 WDI。
可复用的部分
一套能抄的口诀：先看 sourceid 是不是 2，再看 topic，最后才看值。做太多次才发现，指标名相近带来的返工远比技术问题贵。
三条通用做法：拉任何大列表前，先用 per_page=1 探一次 total 和 pages；meta 里 page 和 pages 要成对检查，别只相信返回条数；每次入库都带上 lastupdated 和 sourceid，日后别人问「这个数什么时候的」，不用重新抓一遍。
格式上我全程用 format=json，官方也提供 xml（详见官方 API 文档），表格是我落盘后自己转的。GB 级的数据别指望一次到手，数据量到一定级别就得先分块，这条在哪都不变。
不值得复制的部分
最不划算的是把三万条指标抓下来做自己的「指标字典」。我抓的前两万条里，名字里含 GDP 的就有 546 个，同名不同库、同名不同单位的一大把，维护这份字典比直接查 API 贵得多。
第二个：别把指标元数据和数据值塞进同一张表。我干过一次，表结构乱到没法用，返工两天才拆开——类似的混表坑我们在别的采集项目里已经吃过一次，只是换个场景又踩了一遍。
第三个：不要自造更新时间。缺值就是缺值，世行 CPI 里美国近年就是空，补一个插值出来的数进去，后面所有结论都跟着歪。
常见问题
要不要注册账号或者申请 key？
不用。v2 直接 GET，请求里不需要携带任何凭据。老资料里提到要申请 key 的说的是 v1，那个已经停用多年。
为什么今年拉的数跟去年那份不一样？
世行每年会做年度修订，历史值会改。所以文件里必须带 lastupdated，引用时写「以官方最新公布为准」。
per_page 最大能设多少？
我实测 20000 是能生效的（返回的就是 20000 条），但指标总数 29544，pages 给的是 2，照样要翻页。别假设一次能拉全。
能不能直接下载 Excel？
接口这边我用的是 json 格式，需要表格就落盘后自己转 CSV，带版本和更新时间一起存。
拿这些数据写报告要注意什么？
CC BY 4.0 要署名，口径要标明是 WDI 还是别的库（同名指标很多），再者 2023 年美元计价的数值出现回落可能是汇率而非经济负增长，两件事别混着写。
