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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
570
99
暂无描述
Dockerfile
709
4.51 K
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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
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
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
951
235
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
12
2