AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

如何用 Python 和 Flask 建立部署一个 Facebook Messenger 机器人

2017-08-01 2501
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：


这是我建立一个简单的 Facebook Messenger 机器人的记录。功能很简单，它是一个回显机器人，只是打印回用户写了什么。

回显服务器类似于服务器的“Hello World”例子。

这个项目的目的不是建立最好的 Messenger 机器人，而是让你了解如何建立一个小型机器人和每个事物是如何整合起来的。

技术栈

使用到的技术栈:

  • Heroku 做后端主机。免费级足够这个等级的教程。回显机器人不需要任何种类的数据持久，所以不需要数据库。
  • Python 是我们选择的语言。版本选择 2.7，虽然它移植到 Pyhton 3 很容易，只需要很少的改动。
  • Flask 作为网站开发框架。它是非常轻量的框架，用在小型工程或微服务是非常完美的。
  • 最后 Git 版本控制系统用来维护代码和部署到 Heroku。
  • 值得一提：Virtualenv。这个 python 工具是用来创建清洁的 python 库“环境”的，这样你可以只安装必要的需求和最小化应用的大小。

机器人架构

Messenger 机器人是由一个响应两种请求的服务器组成的：

  • GET 请求被用来认证。他们与你注册的 FaceBook 认证码一同被 Messenger 发出。
  • POST 请求被用来实际的通信。典型的工作流是，机器人将通过用户发送带有消息数据的 POST 请求而建立通信，然后我们将处理这些数据，并发回我们的 POST 请求。如果这个请求完全成功(返回一个 200 OK 状态码)，我们也将响应一个 200 OK 状态码给初始的 Messenger请求。

这个教程应用将托管到 Heroku，它提供了一个优雅而简单的部署应用的接口。如前所述，免费级可以满足这个教程。

在应用已经部署并且运行后，我们将创建一个 Facebook 应用然后连接它到我们的应用，以便 Messenger 知道发送请求到哪，这就是我们的机器人。

机器人服务器

基本的服务器代码可以在 Github 用户 hult(Magnus Hult) 的 Chatbot 项目上获取，做了一些只回显消息的代码修改和修正了一些我遇到的错误。最终版本的服务器代码如下：


 
 
    

  
  
  1. from flask import Flask, request 
    2. 

  
  
  2. import json 
    3. 

  
  
  3. import requests 
    4. 

  
  
  4. app = Flask(__name__) 
    5. 

  
  
  5. ### 这需要填写被授予的页面通行令牌（PAT） 
    6. 

  
  
  6. ### 它由将要创建的 Facebook 应用提供。 
    7. 

  
  
  7. PAT = '' 
    8. 

  
  
  8. @app.route('/', methods=['GET']) 
    9. 

  
  
  9. def handle_verification(): 
    10. 

  
  
  10.   print "Handling Verification." 
    11. 

  
  
  11.   if request.args.get('hub.verify_token', '') == 'my_voice_is_my_password_verify_me': 
    12. 

  
  
  12.     print "Verification successful!" 
    13. 

  
  
  13.     return request.args.get('hub.challenge', '') 
    14. 

  
  
  14.   else: 
    15. 

  
  
  15.     print "Verification failed!" 
    16. 

  
  
  16.     return 'Error, wrong validation token' 
    17. 

  
  
  17. @app.route('/', methods=['POST']) 
    18. 

  
  
  18. def handle_messages(): 
    19. 

  
  
  19.   print "Handling Messages" 
    20. 

  
  
  20.   payload = request.get_data() 
    21. 

  
  
  21.   print payload 
    22. 

  
  
  22.   for sender, message in messaging_events(payload): 
    23. 

  
  
  23.     print "Incoming from %s: %s" % (sender, message) 
    24. 

  
  
  24.     send_message(PAT, sender, message) 
    25. 

  
  
  25.   return "ok" 
    26. 

  
  
  26. def messaging_events(payload): 
    27. 

  
  
  27.   """Generate tuples of (sender_id, message_text) from the 
    28. 

  
  
  28.   provided payload. 
    29. 

  
  
  29.   """ 
    30. 

  
  
  30.   data = json.loads(payload) 
    31. 

  
  
  31.   messaging_events = data["entry"][0]["messaging"] 
    32. 

  
  
  32.   for event in messaging_events: 
    33. 

  
  
  33.     if "message" in event and "text" in event["message"]: 
    34. 

  
  
  34.       yield event["sender"]["id"], event["message"]["text"].encode('unicode_escape') 
    35. 

  
  
  35.     else: 
    36. 

  
  
  36.       yield event["sender"]["id"], "I can't echo this" 
    37. 

  
  
  37. def send_message(token, recipient, text): 
    38. 

  
  
  38.   """Send the message text to recipient with id recipient. 
    39. 

  
  
  39.   """ 
    40. 

  
  
  40.   r = requests.post("https://graph.facebook.com/v2.6/me/messages", 
    41. 

  
  
  41.     params={"access_token": token}, 
    42. 

  
  
  42.     data=json.dumps({ 
    43. 

  
  
  43.       "recipient": {"id": recipient}, 
    44. 

  
  
  44.       "message": {"text": text.decode('unicode_escape')} 
    45. 

  
  
  45.     }), 
    46. 

  
  
  46.     headers={'Content-type': 'application/json'}) 
    47. 

  
  
  47.   if r.status_code != requests.codes.ok: 
    48. 

  
  
  48.     print r.text 
    49. 

  
  
  49. if __name__ == '__main__': 
    50. 

  
  
  50.   app.run() 
    51.

让我们分解代码。第一部分是引入所需的依赖：


 
 
    

  
  
  1. from flask import Flask, request 
    2. 

  
  
  2. import json 
    3. 

  
  
  3. import requests 
    4.

接下来我们定义两个函数(使用 Flask 特定的 app.route 装饰器)，用来处理到我们的机器人的 GET 和 POST 请求。


 
 
    

  
  
  1. @app.route('/', methods=['GET']) 
    2. 

  
  
  2. def handle_verification(): 
    3. 

  
  
  3.   print "Handling Verification." 
    4. 

  
  
  4.   if request.args.get('hub.verify_token', '') == 'my_voice_is_my_password_verify_me': 
    5. 

  
  
  5.     print "Verification successful!" 
    6. 

  
  
  6.     return request.args.get('hub.challenge', '') 
    7. 

  
  
  7.   else: 
    8. 

  
  
  8.     print "Verification failed!" 
    9. 

  
  
  9.     return 'Error, wrong validation token' 
    10.

当我们创建 Facebook 应用时，verify_token 对象将由我们声明的 Messenger 发送。我们必须自己来校验它。最后我们返回“hub.challenge”给 Messenger。

处理 POST 请求的函数更有意思一些：


 
 
    

  
  
  1. @app.route('/', methods=['POST']) 
    2. 

  
  
  2. def handle_messages(): 
    3. 

  
  
  3.   print "Handling Messages" 
    4. 

  
  
  4.   payload = request.get_data() 
    5. 

  
  
  5.   print payload 
    6. 

  
  
  6.   for sender, message in messaging_events(payload): 
    7. 

  
  
  7.     print "Incoming from %s: %s" % (sender, message) 
    8. 

  
  
  8.     send_message(PAT, sender, message) 
    9. 

  
  
  9.   return "ok" 
    10.

当被调用时，我们抓取消息载荷，使用函数 messaging_events 来拆解它，并且提取发件人身份和实际发送的消息，生成一个可以循环处理的 python 迭代器。请注意 Messenger 发送的每个请求有可能多于一个消息。


 
 
    

  
  
  1. def messaging_events(payload): 
    2. 

  
  
  2.   """Generate tuples of (sender_id, message_text) from the 
    3. 

  
  
  3.   provided payload. 
    4. 

  
  
  4.   """ 
    5. 

  
  
  5.   data = json.loads(payload) 
    6. 

  
  
  6.   messaging_events = data["entry"][0]["messaging"] 
    7. 

  
  
  7.   for event in messaging_events: 
    8. 

  
  
  8.     if "message" in event and "text" in event["message"]: 
    9. 

  
  
  9.       yield event["sender"]["id"], event["message"]["text"].encode('unicode_escape') 
    10. 

  
  
  10.     else: 
    11. 

  
  
  11.       yield event["sender"]["id"], "I can't echo this" 
    12.

对每个消息迭代时，我们会调用 send_message 函数，然后我们使用 Facebook Graph messages API 对 Messenger 发回 POST 请求。在这期间我们一直没有回应我们阻塞的原始 Messenger请求。这会导致超时和 5XX 错误。

上述情况是我在解决遇到错误时发现的，当用户发送表情时实际上是发送的 unicode 标识符，但是被 Python 错误的编码了，最终我们发回了一些乱码。

这个发回 Messenger 的 POST 请求将永远不会完成，这会导致给初始请求返回 5xx 状态码，显示服务不可用。

通过使用 encode('unicode_escape') 封装消息，然后在我们发送回消息前用 decode('unicode_escape') 解码消息就可以解决。


 
 
    

  
  
  1. def send_message(token, recipient, text): 
    2. 

  
  
  2.   """Send the message text to recipient with id recipient. 
    3. 

  
  
  3.   """ 
    4. 

  
  
  4.   r = requests.post("https://graph.facebook.com/v2.6/me/messages", 
    5. 

  
  
  5.     params={"access_token": token}, 
    6. 

  
  
  6.     data=json.dumps({ 
    7. 

  
  
  7.       "recipient": {"id": recipient}, 
    8. 

  
  
  8.       "message": {"text": text.decode('unicode_escape')} 
    9. 

  
  
  9.     }), 
    10. 

  
  
  10.     headers={'Content-type': 'application/json'}) 
    11. 

  
  
  11.   if r.status_code != requests.codes.ok: 
    12. 

  
  
  12.     print r.text 
    13.

部署到 Heroku

一旦代码已经建立成我想要的样子时就可以进行下一步。部署应用。

那么，该怎么做?

我之前在 Heroku 上部署过应用(主要是 Rails)，然而我总是遵循某种教程做的，所用的配置是创建好了的。而在本文的情况下，我就需要从头开始。

幸运的是有官方 Heroku 文档来帮忙。这篇文档很好地说明了运行应用程序所需的最低限度。

长话短说，我们需要的除了我们的代码还有两个文件。第一个文件是“requirements.txt”，它列出了运行应用所依赖的库。

需要的第二个文件是“Procfile”。这个文件通知 Heroku 如何运行我们的服务。此外这个文件只需要一点点内容：


 
 
    

  
  
  1. web: gunicorn echoserver:app  
    2.

Heroku 对它的解读是，我们的应用通过运行 echoserver.py 启动，并且应用将使用 gunicorn 作为 Web 服务器。我们使用一个额外的网站服务器是因为与性能相关，在上面的 Heroku 文档里对此解释了：

Web 应用程序并发处理传入的 HTTP 请求比一次只处理一个请求的 Web 应用程序会更有效利地用测试机的资源。由于这个原因，我们建议使用支持并发请求的 Web 服务器来部署和运行产品级服务。

Django 和 Flask web 框架提供了一个方便的内建 Web 服务器，但是这些阻塞式服务器一个时刻只能处理一个请求。如果你部署这种服务到 Heroku 上，你的测试机就会资源利用率低下，应用会感觉反应迟钝。

Gunicorn 是一个纯 Python 的 HTTP 服务器，用于 WSGI 应用。允许你在单独一个测试机内通过运行多 Python 进程的方式来并发的运行各种 Python 应用。它在性能、灵活性和配置简易性方面取得了完美的平衡。回到我们之前提到过的“requirements.txt”文件，让我们看看它如何结合 Virtualenv 工具。

很多情况下，你的开发机器也许已经安装了很多 python 库。当部署应用时你不想全部加载那些库，但是辨认出你实际使用哪些库很困难。

Virtualenv 可以创建一个新的空白虚拟环境，以便你可以只安装你应用所需要的库。

你可以运行如下命令来检查当前安装了哪些库：


 
 
    

  
  
  1. kostis@KostisMBP ~ $ pip freeze 
    2. 

  
  
  2. cycler==0.10.0 
    3. 

  
  
  3. Flask==0.10.1 
    4. 

  
  
  4. gunicorn==19.6.0 
    5. 

  
  
  5. itsdangerous==0.24 
    6. 

  
  
  6. Jinja2==2.8 
    7. 

  
  
  7. MarkupSafe==0.23 
    8. 

  
  
  8. matplotlib==1.5.1 
    9. 

  
  
  9. numpy==1.10.4 
    10. 

  
  
  10. pyparsing==2.1.0 
    11. 

  
  
  11. python-dateutil==2.5.0 
    12. 

  
  
  12. pytz==2015.7 
    13. 

  
  
  13. requests==2.10.0 
    14. 

  
  
  14. scipy==0.17.0 
    15. 

  
  
  15. six==1.10.0 
    16. 

  
  
  16. virtualenv==15.0.1 
    17. 

  
  
  17. Werkzeug==0.11.10 
    18.

注意：pip 工具应该已经与 Python 一起安装在你的机器上。如果没有，查看官方网站如何安装它。

现在让我们使用 Virtualenv 来创建一个新的空白环境。首先我们给我们的项目创建一个新文件夹，然后进到目录下：


 
 
    

  
  
  1. kostis@KostisMBP projects $ mkdir echoserver 
    2. 

  
  
  2. kostis@KostisMBP projects $ cd echoserver/ 
    3. 

  
  
  3. kostis@KostisMBP echoserver $ 
    4.

现在来创建一个叫做 echobot 的新环境。运行下面的 source 命令激活它，然后使用 pip freeze 检查，我们能看到现在是空的。


 
 
    

  
  
  1. kostis@KostisMBP echoserver $ virtualenv echobot 
    2. 

  
  
  2. kostis@KostisMBP echoserver $ source echobot/bin/activate 
    3. 

  
  
  3. (echobot) kostis@KostisMBP echoserver $ pip freeze 
    4. 

  
  
  4. (echobot) kostis@KostisMBP echoserver $ 
    5.

我们可以安装需要的库。我们需要是 flask、gunicorn 和 requests，它们被安装后我们就创建 requirements.txt 文件：


 
 
    

  
  
  1. (echobot) kostis@KostisMBP echoserver $ pip install flask 
    2. 

  
  
  2. (echobot) kostis@KostisMBP echoserver $ pip install gunicorn 
    3. 

  
  
  3. (echobot) kostis@KostisMBP echoserver $ pip install requests 
    4. 

  
  
  4. (echobot) kostis@KostisMBP echoserver $ pip freeze 
    5. 

  
  
  5. click==6.6 
    6. 

  
  
  6. Flask==0.11 
    7. 

  
  
  7. gunicorn==19.6.0 
    8. 

  
  
  8. itsdangerous==0.24 
    9. 

  
  
  9. Jinja2==2.8 
    10. 

  
  
  10. MarkupSafe==0.23 
    11. 

  
  
  11. requests==2.10.0 
    12. 

  
  
  12. Werkzeug==0.11.10 
    13. 

  
  
  13. (echobot) kostis@KostisMBP echoserver $ pip freeze > requirements.txt 
    14.

上述完成之后，我们用 python 代码创建 echoserver.py 文件，然后用之前提到的命令创建 Procfile，我们最终的文件/文件夹如下：


 
 
    

  
  
  1. (echobot) kostis@KostisMBP echoserver $ ls 
    2. 

  
  
  2. Procfile     echobot     echoserver.py   requirements.txt 
    3.

我们现在准备上传到 Heroku。我们需要做两件事。第一是如果还没有安装 Heroku toolbet，就安装它(详见 Heroku)。第二是通过 Heroku 网页界面创建一个新的 Heroku 应用。

点击右上的大加号然后选择“Create new app”。

为你的应用选择一个名字，然后点击“Create App”。

你将会重定向到你的应用的控制面板，在那里你可以找到如何部署你的应用到 Heroku 的细节说明。


 
 
    

  
  
  1. (echobot) kostis@KostisMBP echoserver $ heroku login 
    2. 

  
  
  2. (echobot) kostis@KostisMBP echoserver $ git init 
    3. 

  
  
  3. (echobot) kostis@KostisMBP echoserver $ heroku git:remote -a <myappname> 
    4. 

  
  
  4. (echobot) kostis@KostisMBP echoserver $ git add . 
    5. 

  
  
  5. (echobot) kostis@KostisMBP echoserver $ git commit -m "Initial commit" 
    6. 

  
  
  6. (echobot) kostis@KostisMBP echoserver (master) $ git push heroku master 
    7. 

  
  
  7. ... 
    8. 

  
  
  8. remote:        https://<myappname>.herokuapp.com/ deployed to Heroku 
    9. 

  
  
  9. ... 
    10. 

  
  
  10. (echobot) kostis@KostisMBP echoserver (master) $ heroku config:set WEB_CONCURRENCY=3 
    11.

如上，当你推送你的修改到 Heroku 之后，你会得到一个用于公开访问你新创建的应用的 URL。保存该 URL，下一步需要它。

创建这个 Facebook 应用

让我们的机器人可以工作的最后一步是创建这个我们将连接到其上的 Facebook 应用。Facebook 通常要求每个应用都有一个相关页面，所以我们来创建一个。

接下来我们去 Facebook 开发者专页，点击右上角的“My Apps”按钮并选择“Add a New App”。不要选择建议的那个，而是点击“basic setup”。填入需要的信息并点击“Create App Id”，然后你会重定向到新的应用页面。

 

在 “Products” 菜单之下，点击“+ Add Product” ，然后在“Messenger”下点击“Get Started”。跟随这些步骤设置 Messenger，当完成后你就可以设置你的 webhooks 了。Webhooks 简单的来说是你的服务所用的 URL 的名称。点击 “Setup Webhooks” 按钮，并添加该 Heroku 应用的 URL (你之前保存的那个)。在校验元组中写入 ‘myvoiceismypasswordverifyme’。你可以写入任何你要的内容，但是不管你在这里写入的是什么内容，要确保同时修改代码中 handle_verification 函数。然后勾选 “messages” 选项。

点击“Verify and Save” 就完成了。Facebook 将访问该 Heroku 应用并校验它。如果不工作，可以试试运行：


 
 
    

  
  
  1. (echobot) kostis@KostisMBP heroku logs -t 
    2.

然后看看日志中是否有错误。如果发现错误， Google 搜索一下可能是最快的解决方法。

最后一步是取得页面访问元组(PAT)，它可以将该 Facebook 应用于你创建好的页面连接起来。

从下拉列表中选择你创建好的页面。这会在“Page Access Token”(PAT)下面生成一个字符串。点击复制它，然后编辑 echoserver.py 文件，将其贴入 PAT 变量中。然后在 Git 中添加、提交并推送该修改。


 
 
    

  
  
  1. (echobot) kostis@KostisMBP echoserver (master) $ git add . 
    2. 

  
  
  2. (echobot) kostis@KostisMBP echoserver (master) $ git commit -m "Initial commit" 
    3. 

  
  
  3. (echobot) kostis@KostisMBP echoserver (master) $ git push heroku master 
    4.

最后，在 Webhooks 菜单下再次选择你的页面并点击“Subscribe”。

现在去访问你的页面并建立会话：

成功了，机器人回显了!

注意：除非你要将这个机器人用在 Messenger 上测试，否则你就是机器人唯一响应的那个人。如果你想让其他人也试试它，到Facebook 开发者专页中，选择你的应用、角色，然后添加你要添加的测试者。

总结

这对于我来说是一个非常有用的项目，希望它可以指引你找到开始的正确方向。官方的 Facebook 指南有更多的资料可以帮你学到更多。

你可以在 Github 上找到该项目的代码。

如果你有任何评论、勘误和建议，请随时联系我。


作者：Konstantinos Tsaprailis

来源：51CTO

文章标签：
Python
机器人
开发工具
git
关键词：
机器人部署
Python Flask
Python部署
Python机器人
Flask python
行者武松
目录
相关文章
时光在流逝
|
8天前
|
JSON 前端开发 API
使用Python和Flask构建简易Web API
使用Python和Flask构建简易Web API
时光在流逝
30 3
时光在流逝
|
8天前
|
存储 API 数据库
使用Python和Flask构建简单的RESTful API
使用Python和Flask构建简单的RESTful API
时光在流逝
17 2
时光在流逝
|
8天前
|
JSON 关系型数据库 测试技术
使用Python和Flask构建RESTful API服务
使用Python和Flask构建RESTful API服务
时光在流逝
26 2
Star时光
|
18天前
|
开发框架 前端开发 JavaScript
利用Python和Flask构建轻量级Web应用的实战指南
利用Python和Flask构建轻量级Web应用的实战指南
Star时光
53 2
龙大吉
|
27天前
|
JSON API 数据格式
如何使用Python和Flask构建一个简单的RESTful API。Flask是一个轻量级的Web框架
本文介绍了如何使用Python和Flask构建一个简单的RESTful API。Flask是一个轻量级的Web框架，适合小型项目和微服务。文章从环境准备、创建基本Flask应用、定义资源和路由、请求和响应处理、错误处理等方面进行了详细说明，并提供了示例代码。通过这些步骤，读者可以快速上手构建自己的RESTful API。
龙大吉
29 2
龙大吉
|
29天前
|
安全 数据库 C++
Python Web框架比较：Django vs Flask vs Pyramid
Python Web框架比较：Django vs Flask vs Pyramid
龙大吉
38 1
V897857410
|
13天前
|
机器人 人机交互 语音技术
智能电销机器人源码部署安装好后怎么运行
销售打电销，其中90%电销都是无效的，都是不接，不要等被浪费了这些的精力，都属于忙于筛选意向客户，大量的人工时间都耗费在此了。那么，有这种新型的科技产品，能为你替代这些基本的工作，能为你提升10倍的电销效果。人们都在关心智能语音客服机器人如何高效率工作的问题，今天就为大家简单的介绍下：1、智能筛选系统：电销机器人目前已经达到一个真人式的专家级的销售沟通水平，可以跟客户沟通，筛选意向，记录语音和文字通话记录，快速帮助电销企业筛选意向客户，大大的节约了筛选时间成本和人工成本。2、高速运转：在工作效率上，人工电销员，肯定跟不上智能语音机器人，机器人自动拨出电话，跟客户交谈。电话机
V897857410
92 0
V897857410
|
6天前
|
自然语言处理 算法 机器人
智能电话销售机器人源码搭建部署系统电话机器人源码
智能电话销售机器人源码搭建部署系统电话机器人源码
V897857410
18 4
丰宝宝
|
17天前
|
机器学习/深度学习 传感器 算法
智能机器人在工业自动化中的应用与前景###
本文探讨了智能机器人在工业自动化领域的最新应用，包括其在制造业中的集成、操作灵活性和成本效益等方面的优势。通过分析当前技术趋势和案例研究，预测了智能机器人未来的发展方向及其对工业生产模式的潜在影响。 ###
丰宝宝
70 9
V897857410
|
9天前
|
机器学习/深度学习 人工智能 运维
电话机器人源码-智能ai系统-freeswitch-smartivr呼叫中心-crm
电话机器人源码-智能ai系统-freeswitch-smartivr呼叫中心-crm
V897857410
28 0

热门文章

最新文章

  • 1
    手把手教你用Python实践深度学习
  • 2
    3、Python与设计模式--建造者模式
  • 3
    Python中参数多个值的表示法
  • 4
    一文弄懂CNN及图像识别(Python)
  • 5
    8.python之上下文管理协议
  • 6
    python目录操作一
  • 7
    34. Python Memcached 安装 集群
  • 8
    Python网络编程1--笔记
  • 9
    Grumpy：Google 用 Go 开发的 Python 运行时
  • 10
    浅析Python 赋值、浅复制（拷贝）与深度（复制）拷贝
  • 1
    Flask vs. Django
    131
  • 2
    如何使用vscode启动Flask并实现无公网IP远程访问内网服务
    204
  • 3
    Flask 3 保姆级教程（一）：快速上手
    90
  • 4
    Django和Flask框架的主要区别是什么？
    84
  • 5
    在Flask中，如何定义路由并处理HTTP请求的不同方法（GET、POST等）？
    107
  • 6
    Flask框架在Python面试中的应用与实战
    100
  • 7
    Flask框架在Python面试中的应用与实战
    148
  • 8
    Flask Python：如何获取不同请求方式的参数
    340
  • 9
    Python Flask-Mail实现邮件发送
    106
  • 10
    flask各种版本的项目，终端命令运行方式的实现
    291

    • 相关课程

    更多
  • Python爬虫实战
  • Python开发基础入门
  • Python常用数据科学库
  • Python网络爬虫实战
  • Python完全自学手册图文教程
  • Python基础快速入门实战教程

    • 相关电子书

    更多
  • 下一代服务机器人的应用和创新
  • 机器人的小脑SLAMWARE - 机器人自主定位导航系统
  • AIOps的核心技术之一：任务机器人如何在金融运维 运营中落地

    • 相关实验场景

    更多
  • 用Python画圣诞树
  • 语言入门-1：环境构建
  • 搭建IoT小程序开发环境，创建一个应用
  • 基于阿里云短信服务的防机器人验证
  • Python选择及循环结构
  • 云端Python及基本操作

    • 推荐镜像

    更多
  • python-release
  • nodejs-release
  • pypi
    • 下一篇
    使用阿里云接口（API）进行身份证实名认证