当前位置: 首页 > news >正文

飞书上传图片

飞书上传图片

  • 1. 概述
    • 1.1 访问凭证
  • 2. 上传图片获取image_key

1. 概述

飞书开发文档上传图片: https://open.feishu.cn/document/server-docs/im-v1/image/create

上传图片接口,支持上传 JPEG、PNG、WEBP、GIF、TIFF、BMP、ICO格式图片。

在这里插入图片描述
在请求头上需要获取token(访问凭证)
在这里插入图片描述

1.1 访问凭证

在1中可以看到,上传需要二进制文件与token(tenant_access_token)

如何获取token 相关文档 https://open.feishu.cn/document/server-docs/api-call-guide/calling-process/get-access-token

在这里插入图片描述
在这里插入图片描述
在上图看到需要机器人的AppId与 AppSecret,然后按照文档https://open.feishu.cn/document/server-docs/authentication-management/access-token/tenant_access_token_internal中的描述,通过POST请求方式获取。
在这里插入图片描述

在这里插入图片描述
最后返回的结果如下:

{"code": 0,"msg": "ok","tenant_access_token": "t-caecc734c2e3328a62489fe0648c4b98779515d3","expire": 7200     // 单位为秒
}

当然,有了有效期我们就可以把token放入redis。
redis的key可以通过

String key = DigestUtils.md5Hex(AppId + AppSecret);DigestUtils 是 org.apache.commons.codec.digest;包下的import org.apache.commons.codec.digest.DigestUtils;
System.out.println(DigestUtils.md5Hex("123"));
System.out.println(DigestUtils.md5Hex("123"));
通过DigestUtils.md5Hex 相同的data获取的值是一样的

在这里插入图片描述

DigestUtils.md5Hex() 是 Apache Commons Codec 库中的一个方法,用于计算字符串的 MD5 散列值并以十六进制字符串的形式返回结果。它的工作原理是将输入字符串转换为字节数组,然后使用 Java 的 MessageDigest 类来计算 MD5 散列值。最后,将计算得到的字节数组转换为十六进制字符串表示。

	// Redis的缓存设定private static String accessTokenKey = "feishu:token:{key}";@Autowiredprivate RedisTemplateSupport redisTemplateSupport;/*** 缓存飞书访问凭证Token** @param token  String* @param key* @param expire*/public void cacheToken(String key, String token, Integer expire) {key = accessTokenKey.replace("{key}", key);redisTemplateSupport.set(key, token, expire - 2, TimeUnit.SECONDS);}/*** 获取token** @param key* @return*/
http://www.lryc.cn/news/297698.html

相关文章:

  • Java微服务学习Day1
  • STM32标准库驱动W25Q64模块读写字库数据+OLED0.96显示例程
  • 【java】简单的Java语言控制台程序
  • 【服务器数据恢复】HP EVA虚拟化磁盘阵列数据恢复原理方案
  • 08-OpenFeign-结合Sentinel,实现熔断降级
  • 15.实现数组的扁平化
  • 对话模型Demo解读(使用代码解读原理)
  • Android 自定义BaseFragment
  • [C#] 如何对列表,字典等进行排序?
  • Mac 下载安装Java、maven并配置环境变量
  • 【多模态】27、Vary | 通过扩充图像词汇来提升多模态模型在细粒度感知任务(OCR等)上的效果
  • |Python新手小白低级教程|第二十章:函数(2)【包括石头剪刀布判断程序(模拟版)】
  • vue3 之 商城项目—home
  • git flow与分支管理
  • 【Linux】学习-进程信号
  • webgis后端安卓系统部署攻略
  • 【数据分享】1929-2023年全球站点的逐日平均风速数据(Shp\Excel\免费获取)
  • 【多模态大模型】视觉大模型SAM:如何使模型能够处理任意图像的分割任务?
  • Shell之sed
  • AJAX——认识URL
  • 《Docker极简教程》--Docker环境的搭建--在Linux上搭建Docker环境
  • 开源微服务平台框架的特点是什么?
  • C#系列-C#操作UDP发送接收数据(10)
  • 突破编程_C++_面试(基础知识(10))
  • 初步探索Pyglet库:打造轻量级多媒体与游戏开发利器
  • 【npm】安装全局包,使用时提示:不是内部或外部命令,也不是可运行的程序或批处理文件
  • Go 语言 for 的用法
  • 熵权法Python代码实现
  • 浏览器提示ERR_SSL_KEY_USAGE_INCOMPATIBLE解决
  • 使用深度学习进行“序列到序列”分类