基于華為云 ModelArts 的在線服務應用開發（Requests 模塊）

---

一、本節目標

1. 了解并掌握 Requests 模塊的特點與用法
2. 學會通過 Python+Requests 訪問華為云 ModelArts 在線推理服務
3. 熟悉 JSON 模塊在 Python 中的數據序列化與反序列化
4. 掌握 Python 文件 I/O 的基本操作
5. 演示一個基于華為云 ModelArts + PyQt 的花卉分類桌面應用案例

---

二、Requests 模塊簡介與特點

• 簡介

  • requests 是 Python 第三方庫，用于發送 HTTP/HTTPS 請求

  • 安裝命令：

    pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple
    

• 主要特點

  1. 簡單易用：人性化 API，幾行代碼即可完成請求
  2. 支持 HTTPS：自動驗證 SSL 證書
  3. 支持 Cookies：自動管理會話狀態
  4. 支持文件上傳：files 參數上傳本地文件
  5. 支持會話管理：requests.Session() 跨請求保持連接和 Cookie

---

三、HTTP 協議基礎

• 什么是 HTTP？
  • 超文本傳輸協議（HTTP）是基于 TCP 的請求–響應協議
  • 典型事務流程：
    1. 客戶端（瀏覽器或腳本）與服務器建立 TCP 連接
    2. 客戶端發送 HTTP 請求
    3. 服務器處理請求并返回響應
    4. 連接關閉或復用
• TCP/IP 七層模型（應用層：HTTP）
• 常見狀態碼
  • 2xx 成功：200 OK, 201 Created
  • 3xx 重定向：301 Moved Permanently
  • 4xx 客戶端錯誤：400 Bad Request, 401 Unauthorized, 404 Not Found
  • 5xx 服務器錯誤：500 Internal Server Error

---

四、Requests 安裝與基本示例

import requests# 發送 GET 請求
resp = requests.get('https://api.example.com/data')
print(resp.status_code)   # HTTP 狀態碼
print(resp.text)          # 響應內容（字符串）# 發送 POST 請求并上傳文件
files = {'file': open('test.jpg', 'rb')}
resp = requests.post('https://api.example.com/upload', files=files)
print(resp.status_code, resp.text)

• 返回屬性
  • resp.status_code：整數狀態碼
  • resp.text：響應體（Unicode 文本）
  • resp.json()：直接將響應解析為 Python 對象（如果是 JSON）
  • resp.headers：響應頭字典

---

五、Requests 支持的 HTTP 方法

方法	用途
GET	獲取資源
POST	創建資源
PUT	更新資源
DELETE	刪除資源
HEAD	獲取頭部信息
OPTIONS	獲取支持的 HTTP 方法

---

六、基于華為云 ModelArts 的在線服務訪問

1. 獲取 AK/SK

• 在華為云控制臺 → 我的憑證 → 訪問密鑰，記錄 Access Key (AK) 和 Secret Key (SK)

2. 獲取在線服務信息

• 在 ModelArts 控制臺 → 推理服務 → 找到已部署服務，復制 推理地址 URL

3. 下載 Python SDK

pip install apig-sdk

4. 編寫調用代碼

from apig_sdk import signer
import requests, json# 1) 構造請求簽名
request = signer.HttpRequest('POST', url, {'x-sdk-content-sha256': 'UNSIGNED-PAYLOAD'})
sig = signer.Signer()
sig.Key = AK; sig.Secret = SK
sig.Sign(request)# 2) 發送請求
files = {'images': open('flower.jpg','rb')}
resp = requests.request(request.method,f"{request.scheme}://{request.host}{request.uri}",headers=request.headers,files=files
)# 3) 解析結果
print(resp.status_code)           
result = resp.json()              
print(json.dumps(result, indent=2))

• 參考文檔：華為云推理服務 API 指南

---

七、JSON 模塊簡介與使用

• 什么是 JSON？

  • 一種輕量級的數據交換格式，文本可讀性高

• Python 內置模塊 json

  import json# 序列化：Python → JSON 字符串
  s = json.dumps({'class': 'flower', 'score': 0.92}, ensure_ascii=False)# 反序列化：JSON 字符串 → Python
  obj = json.loads('{"class":"rose","score":0.87}')
  

---

八、Python 的文件 I/O 操作

• 基本函數

  f = open('data.txt', 'r', encoding='utf-8')
  text = f.read()       # 讀取全部
  f.close()with open('data.txt','w',encoding='utf-8') as f:f.write('Hello, ModelArts!\n')  # 自動 close
  

• 常用模式

  模式	含義
  'r'	只讀（默認）
  'w'	寫入（覆蓋）
  'a'	追加
  'rb'	二進制讀
  'wb'	二進制寫

---

九、Base64 編碼簡介

• 用途

  1. 減少 HTTP 請求數，將小圖片直接嵌入 HTML/CSS/JS
  2. 簡單“加密”傳輸（非安全加密）
  3. 適合小圖標、背景圖

• Python 示例

  import base64# 編碼
  data = open('flower.jpg','rb').read()
  b64 = base64.b64encode(data).decode('ascii')# 解碼
  raw = base64.b64decode(b64)
  open('out.jpg','wb').write(raw)
  

---

十、基于華為云 + PyQt 實現花卉分類桌面應用案例

1. 環境準備

   pip install PyQt5 requests apig-sdk
   

2. 界面設計

   • 一個按鈕：選擇本地圖片
   • 一個 QLabel：顯示加載的圖片
   • 一個 QTextEdit：展示分類結果

3. 工作流程

   1. 點擊“打開圖片” → 彈出文件對話框 → 讀取并顯示圖片
   2. 將圖片通過 Requests 調用 ModelArts 接口 → 解析 JSON
   3. 在結果框中按置信度從高到低顯示：類別 + 得分

4. 核心代碼示例

   from PyQt5.QtWidgets import QApplication, QMainWindow, QPushButton, QLabel, QFileDialog, QTextEdit
   from PyQt5.QtGui import QPixmap
   import requests, json
   from apig_sdk import signerclass FlowerApp(QMainWindow):def __init__(self):super().__init__()self.setWindowTitle('花卉分類 Demo')self.resize(600,400)# … 初始化按鈕、圖片區、結果區 …def open_image(self):path, _ = QFileDialog.getOpenFileName(self, '選擇圖片', '', 'Images (*.png *.jpg)')pix = QPixmap(path).scaled(300,300)self.image_label.setPixmap(pix)self.call_inference(path)def call_inference(self, img_path):# 同上節：簽名 + requests + resp.json()result = resp.json()# 排序并顯示text = '\n'.join(f"{cls}: {score:.2f}" for cls,score in zip(result['detection_classes'], result['detection_scores']))self.result_edit.setPlainText(text)if __name__ == '__main__':app = QApplication([])win = FlowerApp()win.show()app.exec_()
   

5. 運行：python flower_app.py，即可體驗離線 GUI + 在線推理相結合的完整流程。

---

溫馨提示：

• 調試時可在命令行打印 resp.text 與 resp.status_code，快速定位簽名或網絡錯誤
• PyQt 界面可按需擴充：增加進度條、錯誤提示、模型選擇等
• 在生產環境中，注意對 AK/SK 做妥善管理，不要硬編碼在腳本中