微信开发中网页授权access_token与基础支持的access_token异同

简介: 问题1:网页授权access_token与分享的jssdk中的access_token一样吗?答:不一样。网页授权access_token 是一次性的,而基础支持的access_token的是有时间限制的:7200s。

问题1:网页授权access_token与分享的jssdk中的access_token一样吗?

答:不一样。网页授权access_token 是一次性的,而基础支持的access_token的是有时间限制的:7200s。

问题2:网页授权access_token与基础支持的access_token不同,那微信分享中的access_token,是不是基础支持的access_token

答:是

网页授权access_token 只能获取到一个微信用户信息,是与微信用户一对一的关系,

而基础支持的access_token,在有效期内就可以使用access_token和openId 获取微信用户信息

问题3:网页授权access_token有次数限制吗?

答:没有限制

问题4:通过网页授权获取用户基本信息,使用jssdk中的access_token竟然也能获取到用户数据,这是什么情况

答:查资料网页授权access_token与分享的jssdk中的access_token不是不一样吗。这个需要再验证核实。

问题5:关于access_token 获取的次数限制?

答:

接口每日限额

获取access_token   2000

自定义菜单创建   1000

自定义菜单查询   10000

获取用户基本信息   5000000

获取网页授权access_token   无

刷新网页授权access_token   无

网页授权获取用户信息   无

问题6:微信开发用户的openid获取有几种方式?

答:有两种方式,都是被动式。

1,通过url 跳转,腾讯的sns社会化登陆,获取openid 。

比如://取得openid

$oauth2Url = "https://api.weixin.qq.com/sns/oauth2/access_token?appid=$appid&secret=$secret&code=$code&grant_type=authorization_code";    $oauth2 = getJson($oauth2Url);$openid = $oauth2['openid'];

2,通过用户发送消息,通过fromuser 获取openid

参考官方回答:

网页授权接口调用凭证,注意:此access_token与基础支持的access_token不同

关于网页授权access_token和普通access_token的区别

1、微信网页授权是通过OAuth2.0机制实现的,在用户授权给公众号后,公众号可以获取到一个网页授权特有的接口调用凭证(网页授权access_token),通过网页授权access_token可以进行授权后接口调用,如获取用户基本信息;

2、其他微信接口,需要通过基础支持中的“获取access_token”接口来获取到的普通access_token调用。

目录
相关文章
|
虚拟化
VMware Tools 失效处理
VMware Tools 失效处理
419 0
|
传感器 算法 数据格式
QT Modbus RTU调试助手(包含算法实现CRC MODBUS16校验)
QT Modbus RTU调试助手(包含算法实现CRC MODBUS16校验)
1214 0
|
安全 Linux 网络安全
Linux端的ssh如何升级?
Linux端的ssh如何升级?
1047 59
|
12月前
|
机器学习/深度学习 人工智能 PyTorch
【AI系统】计算图原理
本文介绍了AI框架中使用计算图来抽象神经网络计算的必要性和优势,探讨了计算图的基本构成,包括标量、向量、矩阵、张量等数据结构及其操作,并详细解释了计算图如何帮助解决AI工程化中的挑战。此外,文章还通过PyTorch实例展示了动态计算图的特点和实现方法,包括节点(张量或函数)和边(依赖关系)的定义,以及如何通过自定义Function实现正向和反向传播逻辑。
466 7
【AI系统】计算图原理
|
12月前
|
机器学习/深度学习 存储 人工智能
【AI系统】计算图与自动微分
自动求导利用链式法则计算雅可比矩阵,从结果节点逆向追溯计算路径,适用于神经网络训练中损失值对网络参数的梯度计算。AI框架中,自动微分与反向传播紧密相连,通过构建计算图实现高效梯度计算,支持动态和静态计算图两种模式。动态图如PyTorch,适合灵活调试;静态图如TensorFlow,利于性能优化。
318 6
【AI系统】计算图与自动微分
|
人工智能 监控 安全
Springcloud数字化物联网智慧工地综合平台源码 劳务管理、设备管理、绿色施工
Springcloud数字化物联网智慧工地综合平台源码 劳务管理、设备管理、绿色施工
358 3
|
12月前
|
人工智能 并行计算 开发者
【AI系统】从 CUDA 对 AI 芯片思考
本文从技术角度探讨英伟达生态,特别是CUDA与SIMT的关系及其对AI芯片DSA架构的影响。通过分析流水编排、SIMT前端、分支预测及交互方式,指出英伟达CUDA的成功在于其硬件设计与软件易用性的结合,为未来AI芯片的设计提供了宝贵的经验和启示。
297 5
|
域名解析 网络协议 Linux
在Linux中,如何配置DNS服务器和解析服务?
在Linux中,如何配置DNS服务器和解析服务?
|
关系型数据库 数据库 开发工具
Stable Diffusion 本地部署教程
Stable Diffusion 本地部署教程
608 0
|
设计模式 测试技术 Go
Go 项目必备:Wire 依赖注入工具的深度解析与实战应用
在现代软件开发中,依赖注入(Dependency Injection,简称 DI)已经成为一种广泛采用的设计模式。它的核心思想是通过外部定义的方式,将组件之间的依赖关系解耦,从而提高代码的可维护性、可扩展性和可测试性。然而,随着项目规模的增长,手动管理复杂的依赖关系变得日益困难。这时,依赖注入代码生成工具就显得尤为重要。在众多工具中,Wire 以其简洁、强大和易用性脱颖而出,成为 Go 语言项目中的宠儿。本文将带你深入了解 Wire 的安装、基本使用、核心概念以及高级用法,并通过一个实际的 web 博客项目示例,展示如何利用 Wire 简化依赖注入的实现。准备好了吗?让我们开始这场代码解耦的奇