处理https中的Digest authentication鉴权

2023-10-20 00:10

本文主要是介绍处理https中的Digest authentication鉴权,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

问题:

  RESTful 的传输协议类型为 HTTPS,鉴权方式为 Digest_SHA256(即DIGEST摘要认证) 时,接口调用问题。
在这里插入图片描述

参考资料:

  • 认识HTTP摘要认证: https://www.cnblogs.com/xiaoxiaotank/p/11078571.html

  • requests提供的身份认证处理方法:https://cn.python-requests.org/zh_CN/latest/user/authentication.html

普通的RESTful接口调用:

import requests
from requests.auth import HTTPDigestAuth# 设置密码
def change_password(cur_ip):payload = {"ManipulateName": "ApiAdmin","ManipulatePwd": "HuaWei123","ManipulateModule": 3,"ManipulateInfo": {"UserName": "ApiAdmin","UserPwd": "HuaWei1234"}}username = 'ApiAdmin'password = 'HuaWei1234'# 因为相机只提供了https协议url = 'https://{}/SDCAPI/V1.0/AuthIaas/Users'.format(cur_ip)res = requests.put(url=url,headers=headers,# 使用摘要认证# HTTPDigestAuth内部自动根据接口返回区分处理SHA256、MD5加密方式auth=HTTPDigestAuth(username, password),data=payload,timeout=5)print(res.text)

代码存在的问题:

因为requests的请求默认开启了验证服务器TLS证书的开关,导致程序不会用摘要认证HTTPDigestAuth方法对接口返回的401进行处理。![在这里插入图片描述](https://img-blog.csdnimg.cn/9be5f412b1ee4f43a50680dbdf77a136.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAUXJlZHN1bg==,size_20,color_FFFFFF,t_70,g_se,x_16

解决方法:

  在put方法中增加参数:verify=False ,关闭验证服务器TLS证书的开关。

同理:

  如果RESTful 的传输协议类型为 HTTP,鉴权方式为 Digest_SHA256(即DIGEST摘要认证) 时,接口调用的代码:

import requests
from requests.auth import HTTPDigestAuth# 设置密码
def change_password(cur_ip):payload = {"ManipulateName": "ApiAdmin","ManipulatePwd": "HuaWei123","ManipulateModule": 3,"ManipulateInfo": {"UserName": "ApiAdmin","UserPwd": "HuaWei1234"}}username = 'ApiAdmin'password = 'HuaWei1234'# 使用http协议url = 'http://{}/SDCAPI/V1.0/AuthIaas/Users'.format(cur_ip)res = requests.put(url=url,headers=headers,auth=HTTPDigestAuth(username, password),data=payload,timeout=5)print(res.text)

  如果RESTful 的传输协议类型为 HTTPS,鉴权方式为 Digest_MD5(即DIGEST摘要认证) 时,接口调用的代码可以是:

import requests
from requests.auth import HTTPDigestAuth# 设置密码
def change_password(cur_ip):payload = {"ManipulateName": "ApiAdmin","ManipulatePwd": "HuaWei123","ManipulateModule": 3,"ManipulateInfo": {"UserName": "ApiAdmin","UserPwd": "HuaWei1234"}}username = 'ApiAdmin'password = 'HuaWei1234'url = 'https://{}/SDCAPI/V1.0/AuthIaas/Users'.format(cur_ip)res = requests.put(url=url,headers=headers,auth=HTTPDigestAuth(username, password),data=payload,# 关闭SSL认证verify=False,timeout=5)print(res.text)

这篇关于处理https中的Digest authentication鉴权的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/243291

相关文章

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

Thymeleaf:生成静态文件及异常处理java.lang.NoClassDefFoundError: ognl/PropertyAccessor

我们需要引入包: <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-thymeleaf</artifactId></dependency><dependency><groupId>org.springframework</groupId><artifactId>sp

消除安卓SDK更新时的“https://dl-ssl.google.com refused”异常的方法

消除安卓SDK更新时的“https://dl-ssl.google.com refused”异常的方法   消除安卓SDK更新时的“https://dl-ssl.google.com refused”异常的方法 [转载]原地址:http://blog.csdn.net/x605940745/article/details/17911115 消除SDK更新时的“

jenkins 插件执行shell命令时,提示“Command not found”处理方法

首先提示找不到“Command not found,可能我们第一反应是查看目标机器是否已支持该命令,不过如果相信能找到这里来的朋友估计遇到的跟我一样,其实目标机器是没有问题的通过一些远程工具执行shell命令是可以执行。奇怪的就是通过jenkinsSSH插件无法执行,经一番折腾各种搜索发现是jenkins没有加载/etc/profile导致。 【解决办法】: 需要在jenkins调用shell脚

明明的随机数处理问题分析与解决方案

明明的随机数处理问题分析与解决方案 引言问题描述解决方案数据结构设计具体步骤伪代码C语言实现详细解释读取输入去重操作排序操作输出结果复杂度分析 引言 明明生成了N个1到500之间的随机整数,我们需要对这些整数进行处理,删去重复的数字,然后进行排序并输出结果。本文将详细讲解如何通过算法、数据结构以及C语言来解决这个问题。我们将会使用数组和哈希表来实现去重操作,再利用排序算法对结果

8. 自然语言处理中的深度学习:从词向量到BERT

引言 深度学习在自然语言处理(NLP)领域的应用极大地推动了语言理解和生成技术的发展。通过从词向量到预训练模型(如BERT)的演进,NLP技术在机器翻译、情感分析、问答系统等任务中取得了显著成果。本篇博文将探讨深度学习在NLP中的核心技术,包括词向量、序列模型(如RNN、LSTM),以及BERT等预训练模型的崛起及其实际应用。 1. 词向量的生成与应用 词向量(Word Embedding)

使用协程实现高并发的I/O处理

文章目录 1. 协程简介1.1 什么是协程?1.2 协程的特点1.3 Python 中的协程 2. 协程的基本概念2.1 事件循环2.2 协程函数2.3 Future 对象 3. 使用协程实现高并发的 I/O 处理3.1 网络请求3.2 文件读写 4. 实际应用场景4.1 网络爬虫4.2 文件处理 5. 性能分析5.1 上下文切换开销5.2 I/O 等待时间 6. 最佳实践6.1 使用 as

Level3 — PART 3 — 自然语言处理与文本分析

目录 自然语言处理概要 分词与词性标注 N-Gram 分词 分词及词性标注的难点 法则式分词法 全切分 FMM和BMM Bi-direction MM 优缺点 统计式分词法 N-Gram概率模型 HMM概率模型 词性标注(Part-of-Speech Tagging) HMM 文本挖掘概要 信息检索(Information Retrieval) 全文扫描 关键词

PHP7扩展开发之数组处理

前言 这次,我们将演示如何在PHP扩展中如何对数组进行处理。要实现的PHP代码如下: <?phpfunction array_concat ($arr, $prefix) {foreach($arr as $key => $val) {if (isset($prefix[$key]) && is_string($val) && is_string($prefix[$key])) {$arr[