Unirest for Python 使用与技术文档
2024-12-25 03:42:22作者:乔或婵
1. 安装指南
Unirest for Python 是一套轻量级的 HTTP 库,支持多种编程语言。以下是 Unirest for Python 的安装步骤:
使用 pip 安装 Unirest:
pip install unirest
2. 项目的使用说明
Unirest 支持多种 HTTP 请求方法,包括 GET、POST、PUT、PATCH 和 DELETE。以下是一些基本的使用示例:
创建请求
import unirest
response = unirest.post("http://httpbin.org/post", headers={ "Accept": "application/json" }, params={ "parameter": 23, "foo": "bar" })
print(response.code) # HTTP 状态码
print(response.headers) # HTTP 响应头
print(response.body) # 解析后的响应体
print(response.raw_body) # 未解析的响应体
异步请求
Unirest 也支持异步请求。你可以定义一个回调函数,当 Unirest 接收到响应时,这个函数会被调用:
def callback_function(response):
print(response.code)
print(response.headers)
print(response.body)
print(response.raw_body)
thread = unirest.post("http://httpbin.org/post", headers={ "Accept": "application/json" }, params={ "parameter": 23, "foo": "bar" }, callback=callback_function)
文件上传
上传文件数据时,需要以只读模式打开文件:
response = unirest.post("http://httpbin.org/post", headers={"Accept": "application/json"},
params={
"parameter": "value",
"file": open("/tmp/file", mode="r")
}
)
自定义实体体
import json
response = unirest.post("http://httpbin.org/post", headers={ "Accept": "application/json" },
params=json.dumps({
"parameter": "value",
"foo": "bar"
})
)
基本认证
使用基本认证对请求进行认证,可以通过提供 auth 数组来实现:
response = unirest.get("http://httpbin.org/get", auth=('username', 'password'))
3. 项目API使用文档
以下是 Unirest for Python 的主要 API 方法:
unirest.get(url, headers = {}, params = {}, auth = (), callback = None)
unirest.post(url, headers = {}, params = {}, auth = (), callback = None)
unirest.put(url, headers = {}, params = {}, auth = (), callback = None)
unirest.patch(url, headers = {}, params = {}, auth = (), callback = None)
unirest.delete(url, headers = {}, params = {}, auth = (), callback = None)
url: 请求的 URL。headers: 请求头信息。params: 请求体信息。auth: 基本认证信息。callback: 异步请求的回调函数。
响应对象
Unirest 接收到响应后,会返回以下格式的对象:
code: HTTP 响应状态码。headers: HTTP 响应头。body: 解析后的响应体。raw_body: 未解析的响应体。
4. 项目安装方式
如前所述,Unirest for Python 可以通过以下命令安装:
pip install unirest
通过以上内容,用户可以了解到 Unirest for Python 的安装方法、使用说明以及 API 使用文档,从而更好地利用这个库简化 HTTP 请求。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
525
3.72 K
Ascend Extension for PyTorch
Python
329
391
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++
877
578
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
335
162
暂无简介
Dart
764
189
🎉 (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
1.33 K
746
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
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
113
137