使用Apprise向Microsoft Teams发送自适应卡片的技术指南
2025-05-17 18:22:23作者:尤辰城Agatha
背景介绍
Apprise是一个强大的通知库,支持向多种平台发送消息。随着Microsoft Teams逐步淘汰传统的Webhook功能,开发者需要转向使用Workflows来发送消息。本文将详细介绍如何通过Apprise库向Teams发送包含表格的自适应卡片(Adaptive Cards)。
传统Webhook方式的局限性
过去开发者可以使用Teams的Incoming Webhook功能配合Apprise发送Markdown格式的消息。但随着微软逐步淘汰这一功能,新的Webhook已无法正常工作。传统方式中,开发者可以发送Markdown表格,但在新的Workflows机制下,Markdown表格语法不再被支持,必须改用自适应卡片格式。
自适应卡片简介
自适应卡片是微软推出的一种富文本消息格式,支持复杂的布局和交互元素。相比简单的Markdown,自适应卡片使用JSON格式定义,可以包含表格、按钮、输入框等多种组件。
使用Apprise发送自适应卡片
要在Python中使用Apprise发送自适应卡片,需要遵循以下步骤:
- 准备模板文件:创建一个JSON文件定义自适应卡片的布局结构
- 配置Apprise:在URL中添加模板文件路径参数
- 发送通知:通过Apprise的notify方法发送消息
示例模板文件
以下是一个包含表格的自适应卡片模板示例:
{
"type": "AdaptiveCard",
"$schema": "http://adaptivecards.io/schemas/adaptive-card.json",
"version": "1.5",
"body": [
{
"type": "Table",
"gridStyle": "accent",
"firstRowAsHeaders": true,
"columns": [
{"width": 1},
{"width": 1},
{"width": 3}
],
"rows": [
{
"type": "TableRow",
"cells": [
{
"type": "TableCell",
"items": [
{
"type": "TextBlock",
"text": "{{app_title}}",
"weight": "Bolder"
}
]
},
{
"type": "TableCell",
"items": [
{
"type": "TextBlock",
"text": "类型",
"weight": "Bolder"
}
]
},
{
"type": "TableCell",
"items": [
{
"type": "TextBlock",
"text": "{{app_body}}",
"wrap": true
}
]
}
]
}
]
}
]
}
Python实现代码
import apprise
# 配置Teams Workflows URL并指定模板文件路径
teams_webhook = 'https://myorg.webhook.office.com/...?template=/path/to/template.json'
# 初始化Apprise对象
apprise_object = apprise.Apprise()
apprise_object.add(teams_webhook)
# 发送通知
apprise_object.notify(
title='测试消息标题',
body='这是消息正文内容',
notify_type=apprise.NotifyType.WARNING
)
技术要点解析
-
模板变量:在模板中使用
{{app_title}}和{{app_body}}作为占位符,Apprise会自动替换为notify方法中提供的title和body参数 -
表格配置:
firstRowAsHeaders:将第一行设置为表头gridStyle:设置表格样式columns:定义列宽比例rows:定义行内容和样式
-
样式控制:
- 可以通过
style属性设置单元格样式(如good、warning等) - 使用
weight控制文字粗细 wrap属性控制文本是否自动换行
- 可以通过
最佳实践建议
-
模板管理:将常用的卡片模板保存为独立的JSON文件,便于复用和维护
-
测试验证:在Teams开发者门户中先验证自适应卡片的显示效果
-
错误处理:添加适当的异常处理机制,确保消息发送失败时有备用方案
-
性能考虑:对于高频发送场景,考虑缓存模板文件内容
通过以上方法,开发者可以顺利过渡到新的Teams Workflows机制,继续利用Apprise的强大功能向Teams发送包含丰富内容的自适应卡片消息。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
Ascend Extension for PyTorch
Python
503
608
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
285
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
893
昇腾LLM分布式训练框架
Python
142
168