Unirest for Java 技术文档
2024-12-24 03:57:50作者:翟江哲Frasier
1. 安装指南
Unirest 4 是基于现代 Java 标准构建的,因此至少需要 Java 11。
Unirest 4 的依赖项是完全模块化的,并且已经迁移到新的 Maven 坐标,以避免与旧版本的冲突。您可以使用 Maven BOM 来管理模块:
使用 Maven 安装
<dependencyManagement>
<dependencies>
<dependency>
<groupId>com.konghq</groupId>
<artifactId>unirest-java-bom</artifactId>
<version>4.4.0</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
<dependencies>
<dependency>
<groupId>com.konghq</groupId>
<artifactId>unirest-java-core</artifactId>
</dependency>
<!-- 选择一个 JSON 模块,如果您需要解析 JSON,请包含以下之一: -->
<!-- Google GSON -->
<dependency>
<groupId>com.konghq</groupId>
<artifactId>unirest-modules-gson</artifactId>
</dependency>
<!-- 或者您可能更喜欢 Jackson? -->
<dependency>
<groupId>com.konghq</groupId>
<artifactId>unirest-modules-jackson</artifactId>
</dependency>
</dependencies>
注意 JSON 用户
在 Unirest 4 中,核心不再包含任何瞬态依赖项,由于 Java 本身缺少 JSON 解析器,如果您希望进行对象映射或使用 JSON 对象,则必须声明一个 JSON 实现。
2. 项目的使用说明
Unirest for Java 是一个简化 HTTP 客户端操作的库。您可以通过简单的 API 调用发送 HTTP 请求并获取响应。
以下是一个简单的示例,演示如何使用 Unirest 发送 GET 请求:
import com.konghq.unirest.Unirest;
public class UnirestExample {
public static void main(String[] args) {
try {
String response = Unirest.get("https://jsonplaceholder.typicode.com/todos/1")
.asJson()
.getBody()
.getObject()
.toString();
System.out.println(response);
} catch (Exception e) {
e.printStackTrace();
}
}
}
3. 项目API使用文档
Unirest for Java 提供了一系列的方法,用于简化 HTTP 请求的发送和响应的处理。以下是一些常用的 API 方法:
get(String url): 发送 GET 请求。post(String url): 发送 POST 请求。put(String url): 发送 PUT 请求。delete(String url): 发送 DELETE 请求。asJson(): 将响应解析为 JSON。getBody(): 获取响应体。
更多 API 文档请参考官方文档。
4. 项目安装方式
如前所述,您可以通过 Maven 来安装 Unirest for Java。在 Maven 的 pom.xml 文件中添加依赖项,然后使用 Maven 命令安装项目。
mvn install
这将下载并安装所有必要的依赖项,并将它们包含在您的项目中。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660