【Python+微信】【企业微信开发入坑指北】0. 创建自建应用并接入自己的服务

简介: 【Python+微信】【企业微信开发入坑指北】0. 创建自建应用并接入自己的服务
  • 大家好,我是同学小张,日常分享AI知识和实战案例
  • 欢迎 点赞 + 关注 👏,持续学习持续干货输出
  • 一起交流💬,一起进步💪。
  • 微信公众号也可搜【同学小张】 🙏

本站文章一览:


有了上一篇文章的 公众号开发避坑指南,为了避免微信服务设定的5s超时的限制,我需要能给用户主动发消息的接口权限。要么是认证的微信服务号或订阅号,要么是企业微信

看了半天,还是企业微信比较方便一点,不用认证也可以主动给用户发消息。

于是,我又开始折腾企业微信的开发了…

本文为入坑的第一篇,带大家看下企业微信的自建应用的开发,如何与自己的服务链接起来。

0. 申请一个企业微信

首先,我们得有一个企业微信。

自行注册即可,这个没什么限制,也不需要认证。

注册链接:https://mp.weixin.qq.com/cgi-bin/loginpage?url=%2Fcgi-bin%2Fhome%3Ftoken%3D1752863136

1. 创建自建应用和配置

(1)有了企业微信,登录企业微信管理后台:https://work.weixin.qq.com/

(2)在“应用管理”页面,点击“创建应用”

(3)填写创建应用的信息

(4)创建成功后,点进这个应用界面,可以看到应用的 AgentId 和 Secret。Secret请保存好,不要暴露!

(5)在应用界面的功能区域,接收消息模块,点击“API接收”

(6)会跳到API接收消息的配置面板,这就到了与微信公众号配置(这篇文章)相似的地方了。

这里需要填自己的服务地址,Token 和 EncodingAESKey 可以随机生成。

在填写完,点“保存”之前,还需要先进行服务端配置。

2. 服务端配置

与 微信公众号配置(这篇文章)相似,服务端也需要有所配置,才能成功将上面的API接收消息填写的内容保存。这里的配置,也是要写一个签名验证代码。

不同的是,企业微信的消息貌似都是加密的(微信公众号可以选择明文方式),需要自己解密并校验。

鉴于加解密算法相对复杂,企业微信提供了加解密的库。

Python库链接:https://github.com/sbzhu/weworkapi_python/blob/master/callback/WXBizMsgCrypt3.py

你可以直接将以上代码库下载,但其实,如果只是用来校验签名,可以只复制里面的这两个文件即可。

将这两个文件放到你的工程文件夹下,然后写以下代码:

from WXBizMsgCrypt3 import WXBizMsgCrypt
qy_api = [
    WXBizMsgCrypt("xxx", "xxx", "xxx"), 
] #对应接受消息回调模式中的token,EncodingAESKey 和 企业信息中的企业id
# 开启消息接受模式时验证接口连通性
def signature(request, i): 
    msg_signature = request.args.get('msg_signature', '')
    timestamp = request.args.get('timestamp', '')
    nonce = request.args.get('nonce', '')
    echo_str = request.args.get('echostr', '')
    ret,sEchoStr=qy_api[i].VerifyURL(msg_signature, timestamp,nonce,echo_str)
    if (ret != 0):
        print("ERR: VerifyURL ret: " + str(ret))
        return("failed")
    else:
        return(sEchoStr)
@app.route('/company_wechat', methods=['GET', 'POST']) 
def company_wechat():
    echo_str = signature(request, 0)
    print("company_wechat")
    return (echo_str)

企业ID的查看方式:

然后运行此Flask应用。

这时候再回到企业微信后台“API接收消息”的那里,点击保存。如果配置无误,应该能保存成功。

这时候,才算是真正将企业微信的自建应用与我们自己的服务打通了。

如果觉得本文对你有帮助,麻烦点个赞和关注呗 ~~~


  • 大家好,我是 同学小张,日常分享AI知识和实战案例
  • 欢迎 点赞 + 关注 👏,持续学习持续干货输出
  • 一起交流💬,一起进步💪。
  • 微信公众号也可搜【同学小张】 🙏

本站文章一览:

相关文章
|
9天前
|
开发者 Python
Python Socket编程:不只是基础,更有进阶秘籍,让你的网络应用飞起来!
在数字时代,网络应用成为连接世界的桥梁。Python凭借简洁的语法和丰富的库支持,成为开发高效网络应用的首选。本文通过实时聊天室案例,介绍Python Socket编程的基础与进阶技巧。基础篇涵盖服务器和客户端的建立与数据交换;进阶篇则探讨多线程与异步IO优化方案,助力提升应用性能。通过本案例,你将掌握Socket编程的核心技能,推动网络应用飞得更高、更远。
25 1
|
11天前
|
数据采集 机器学习/深度学习 人工智能
Python编程入门:从零基础到实战应用
【9月更文挑战第15天】本文将引导读者从零开始学习Python编程,通过简单易懂的语言和实例,帮助初学者掌握Python的基本语法和常用库,最终实现一个简单的实战项目。文章结构清晰,分为基础知识、进阶技巧和实战应用三个部分,逐步深入,让读者在学习过程中不断积累经验,提高编程能力。
|
1天前
|
JavaScript 前端开发 UED
WebSocket在Python Web开发中的革新应用:解锁实时通信的新可能
在快速发展的Web应用领域中,实时通信已成为许多现代应用不可或缺的功能。传统的HTTP请求/响应模式在处理实时数据时显得力不从心,而WebSocket技术的出现,为Python Web开发带来了革命性的变化,它允许服务器与客户端之间建立持久的连接,从而实现了数据的即时传输与交换。本文将通过问题解答的形式,深入探讨WebSocket在Python Web开发中的革新应用及其实现方法。
10 3
|
2天前
|
负载均衡 Java 调度
探索Python的并发编程:线程与进程的比较与应用
本文旨在深入探讨Python中的并发编程,重点比较线程与进程的异同、适用场景及实现方法。通过分析GIL对线程并发的影响,以及进程间通信的成本,我们将揭示何时选择线程或进程更为合理。同时,文章将提供实用的代码示例,帮助读者更好地理解并运用这些概念,以提升多任务处理的效率和性能。
|
1天前
|
机器学习/深度学习 物联网 算法框架/工具
探索Python的魅力与应用
在这篇文章中,我们将深入探讨Python编程语言的各个方面。从它的起源和设计理念开始,到具体的应用场景和技术实现,我们将一步步揭示Python成为现代编程领域中不可或缺的工具的原因。无论是对于初学者还是有经验的开发者来说,Python的魅力都不容小觑。
9 1
|
2天前
|
机器学习/深度学习 数据可视化 TensorFlow
探索Python在数据科学中的应用
这篇文章深入探讨了Python编程语言在数据科学领域的强大应用。从数据处理、分析到可视化,再到机器学习和深度学习,Python因其丰富的库和框架而成为数据科学家的首选工具。文章不仅介绍了Python的基本语法和数据结构,还详细讨论了如何使用Pandas进行数据清洗和预处理,以及NumPy和SciPy在数值计算中的重要性。此外,文章还涵盖了使用Matplotlib和Seaborn进行数据可视化的技巧,以及Scikit-learn和TensorFlow在构建预测模型中的应用。通过综合运用这些工具,数据科学家能够更有效地分析大量复杂的数据集,从而洞察趋势、模式和关联性,支持决策制定和策略优化。
8 2
|
4天前
|
中间件 API 开发者
深入理解Python Web框架:中间件的工作原理与应用策略
在Python Web开发中,中间件位于请求处理的关键位置,提供强大的扩展能力。本文通过问答形式,探讨中间件的工作原理、应用场景及实践策略,并以Flask和Django为例展示具体实现。中间件可以在请求到达视图前或响应返回后执行代码,实现日志记录、权限验证等功能。Flask通过装饰器模拟中间件行为,而Django则提供官方中间件系统,允许在不同阶段扩展功能。合理制定中间件策略能显著提升应用的灵活性和可扩展性。
13 4
|
3天前
|
机器学习/深度学习 数据可视化 数据挖掘
数据可视化大不同!Python数据分析与机器学习中的Matplotlib、Seaborn应用新视角!
在数据科学与机器学习领域,数据可视化是理解数据和优化模型的关键。Python凭借其强大的可视化库Matplotlib和Seaborn成为首选语言。本文通过分析一份包含房屋面积、卧室数量等特征及售价的数据集,展示了如何使用Matplotlib绘制散点图,揭示房屋面积与售价的正相关关系;并利用Seaborn的pairplot探索多变量间的关系。在机器学习建模阶段,通过随机森林模型展示特征重要性的可视化,帮助优化模型。这两个库在数据分析与建模中展现出广泛的应用价值。
14 2
|
7天前
|
缓存 Python
探索Python中的装饰器:原理与应用
本文深入探讨了Python中装饰器的概念,从基本定义到实际应用进行了系统性的阐述。通过实例展示了如何利用装饰器来增强函数功能,同时详细解释了其背后的运行机制和实现原理。此外,文章还讨论了装饰器在软件开发中的实际应用场景,为读者提供了实用的编程技巧和最佳实践。
|
10天前
|
数据处理 开发者 Python
探索Python中的列表推导式在Python编程中,列表推导式是一种简洁而高效的方法,用于从现有的列表创建新列表。本文将深入探讨列表推导式的用法、优势以及一些实际应用示例。
列表推导式是Python提供的一种强大工具,它允许开发者以更简洁的语法快速生成列表。通过结合循环和条件语句,列表推导式能够简化代码结构,提高开发效率。本文详细介绍了列表推导式的基本用法,并通过实例展示了其在数据处理、转换和过滤中的广泛应用。
13 0