基于华为云 ModelArts 的在线服务应用开发（Requests 模块）

---

一、本节目标

1. 了解并掌握 Requests 模块的特点与用法
2. 学会通过 Python+Requests 访问华为云 ModelArts 在线推理服务
3. 熟悉 JSON 模块在 Python 中的数据序列化与反序列化
4. 掌握 Python 文件 I/O 的基本操作
5. 演示一个基于华为云 ModelArts + PyQt 的花卉分类桌面应用案例

---

二、Requests 模块简介与特点

• 简介

  • requests 是 Python 第三方库，用于发送 HTTP/HTTPS 请求

  • 安装命令：

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

• 主要特点

  1. 简单易用：人性化 API，几行代码即可完成请求
  2. 支持 HTTPS：自动验证 SSL 证书
  3. 支持 Cookies：自动管理会话状态
  4. 支持文件上传：files 参数上传本地文件
  5. 支持会话管理：requests.Session() 跨请求保持连接和 Cookie

---

三、HTTP 协议基础

• 什么是 HTTP？
  • 超文本传输协议（HTTP）是基于 TCP 的请求–响应协议
  • 典型事务流程：
    1. 客户端（浏览器或脚本）与服务器建立 TCP 连接
    2. 客户端发送 HTTP 请求
    3. 服务器处理请求并返回响应
    4. 连接关闭或复用
• TCP/IP 七层模型（应用层：HTTP）
• 常见状态码
  • 2xx 成功：200 OK, 201 Created
  • 3xx 重定向：301 Moved Permanently
  • 4xx 客户端错误：400 Bad Request, 401 Unauthorized, 404 Not Found
  • 5xx 服务器错误：500 Internal Server Error

---

四、Requests 安装与基本示例

import requests

# 发送 GET 请求
resp = requests.get('https://api.example.com/data')
print(resp.status_code)   # HTTP 状态码
print(resp.text)          # 响应内容（字符串）

# 发送 POST 请求并上传文件
files = {'file': open('test.jpg', 'rb')}
resp = requests.post('https://api.example.com/upload', files=files)
print(resp.status_code, resp.text)

• 返回属性
  • resp.status_code：整数状态码
  • resp.text：响应体（Unicode 文本）
  • resp.json()：直接将响应解析为 Python 对象（如果是 JSON）
  • resp.headers：响应头字典

---

五、Requests 支持的 HTTP 方法

方法	用途
GET	获取资源
POST	创建资源
PUT	更新资源
DELETE	删除资源
HEAD	获取头部信息
OPTIONS	获取支持的 HTTP 方法

---

六、基于华为云 ModelArts 的在线服务访问

1. 获取 AK/SK

• 在华为云控制台 → 我的凭证 → 访问密钥，记录 Access Key (AK) 和 Secret Key (SK)

2. 获取在线服务信息

• 在 ModelArts 控制台 → 推理服务 → 找到已部署服务，复制 推理地址 URL

3. 下载 Python SDK

pip install apig-sdk

4. 编写调用代码

from apig_sdk import signer
import requests, json

# 1) 构造请求签名
request = signer.HttpRequest('POST', url, {'x-sdk-content-sha256': 'UNSIGNED-PAYLOAD'})
sig = signer.Signer()
sig.Key = AK; sig.Secret = SK
sig.Sign(request)

# 2) 发送请求
files = {'images': open('flower.jpg','rb')}
resp = requests.request(
    request.method,
    f"{request.scheme}://{request.host}{request.uri}",
    headers=request.headers,
    files=files
)

# 3) 解析结果
print(resp.status_code)           
result = resp.json()              
print(json.dumps(result, indent=2))

• 参考文档：华为云推理服务 API 指南

---

七、JSON 模块简介与使用

• 什么是 JSON？

  • 一种轻量级的数据交换格式，文本可读性高

• Python 内置模块 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

• 基本函数

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

• 常用模式

  模式	含义
  'r'	只读（默认）
  'w'	写入（覆盖）
  'a'	追加
  'rb'	二进制读
  'wb'	二进制写

---

九、Base64 编码简介

• 用途

  1. 减少 HTTP 请求数，将小图片直接嵌入 HTML/CSS/JS
  2. 简单“加密”传输（非安全加密）
  3. 适合小图标、背景图

• Python 示例

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

---

十、基于华为云 + PyQt 实现花卉分类桌面应用案例

1. 环境准备

   pip install PyQt5 requests apig-sdk
   

2. 界面设计

   • 一个按钮：选择本地图片
   • 一个 QLabel：显示加载的图片
   • 一个 QTextEdit：展示分类结果

3. 工作流程

   1. 点击“打开图片” → 弹出文件对话框 → 读取并显示图片
   2. 将图片通过 Requests 调用 ModelArts 接口 → 解析 JSON
   3. 在结果框中按置信度从高到低显示：类别 + 得分

4. 核心代码示例

   from PyQt5.QtWidgets import QApplication, QMainWindow, QPushButton, QLabel, QFileDialog, QTextEdit
   from PyQt5.QtGui import QPixmap
   import requests, json
   from apig_sdk import signer
   
   class FlowerApp(QMainWindow):
       def __init__(self):
           super().__init__()
           self.setWindowTitle('花卉分类 Demo')
           self.resize(600,400)
           # … 初始化按钮、图片区、结果区 …
   
       def open_image(self):
           path, _ = QFileDialog.getOpenFileName(self, '选择图片', '', 'Images (*.png *.jpg)')
           pix = QPixmap(path).scaled(300,300)
           self.image_label.setPixmap(pix)
           self.call_inference(path)
   
       def call_inference(self, img_path):
           # 同上节：签名 + requests + resp.json()
           result = resp.json()
           # 排序并显示
           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. 运行：python flower_app.py，即可体验离线 GUI + 在线推理相结合的完整流程。

---

温馨提示：

• 调试时可在命令行打印 resp.text 与 resp.status_code，快速定位签名或网络错误
• PyQt 界面可按需扩充：增加进度条、错误提示、模型选择等
• 在生产环境中，注意对 AK/SK 做妥善管理，不要硬编码在脚本中