使用Apprise向Microsoft Teams发送自适应卡片的技术指南
2025-05-17 06:07:30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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
615
138
Ascend Extension for PyTorch
Python
165
184
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
369
3.16 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
257
91
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
646
255