Stable Cascade | ComfyUI API 工作流格式优化

已于 2024-04-21 21:50:08 修改
阅读量1.5k 收藏 23
点赞数 26
文章标签： 前端 人工智能 stable diffusion
于 2024-04-19 20:45:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38944169/article/details/137974415
版权

目前，ComfyUI 是运行 Stable Cascade 模型的首选。ComfyUI 可直接保存生图工作流为 API 格式，但该 API 格式文本行数较多且节点顺序与逻辑执行顺序不一致，不利于编写或修改 API 的调用代码。本文主要介绍 ComfyUI 工作流（API 格式）的结构与格式优化。

2024-4-21 发布工作流自动优化代码：Stable Diffusion | ComfyUI API 工作流自动优化

1. ComfyUI API 工作流的保存

在 ComfyUI 浏览器界面中点击右上角红框内按钮打开设置界面。

勾选 Enable Dev mode Options 后即出现 API 工作流保存按钮（右侧红框）。

以下为通过 ComfyUI 保存的 Stable Cascade 模型文生图 API 工作流，共163行。

{
  "3": {
    "inputs": {
      "seed": 314307448448003,
      "steps": 20,
      "cfg": 4,
      "sampler_name": "euler_ancestral",
      "scheduler": "simple",
      "denoise": 1,
      "model": [
        "41",
        0
      ],
      "positive": [
        "6",
        0
      ],
      "negative": [
        "7",
        0
      ],
      "latent_image": [
        "34",
        0
      ]
    },
    "class_type": "KSampler",
    "_meta": {
      "title": "KSampler"
    }
  },
  "6": {
    "inputs": {
      "text": "evening sunset scenery blue sky nature, glass bottle with a fizzy ice cold freezing rainbow liquid in it",
      "clip": [
        "41",
        1
      ]
    },
    "class_type": "CLIPTextEncode",
    "_meta": {
      "title": "CLIP Text Encode (Positive Prompt)"
    }
  },
  "7": {
    "inputs": {
      "text": "text, watermark",
      "clip": [
        "41",
        1
      ]
    },
    "class_type": "CLIPTextEncode",
    "_meta": {
      "title": "CLIP Text Encode (Negative Prompt)"
    }
  },
  "8": {
    "inputs": {
      "samples": [
        "33",
        0
      ],
      "vae": [
        "42",
        2
      ]
    },
    "class_type": "VAEDecode",
    "_meta": {
      "title": "VAE Decode"
    }
  },
  "9": {
    "inputs": {
      "filename_prefix": "ComfyUI",
      "images": [
        "8",
        0
      ]
    },
    "class_type": "SaveImage",
    "_meta": {
      "title": "Save Image"
    }
  },
  "33": {
    "inputs": {
      "seed": 183495397600639,
      "steps": 10,
      "cfg": 1.1,
      "sampler_name": "euler_ancestral",
      "scheduler": "simple",
      "denoise": 1,
      "model": [
        "42",
        0
      ],
      "positive": [
        "36",
        0
      ],
      "negative": [
        "7",
        0
      ],
      "latent_image": [
        "34",
        1
      ]
    },
    "class_type": "KSampler",
    "_meta": {
      "title": "KSampler"
    }
  },
  "34": {
    "inputs": {
      "width": 1024,
      "height": 1024,
      "compression": 42,
      "batch_size": 1
    },
    "class_type": "StableCascade_EmptyLatentImage",
    "_meta": {
      "title": "StableCascade_EmptyLatentImage"
    }
  },
  "36": {
    "inputs": {
      "conditioning": [
        "6",
        0
      ],
      "stage_c": [
        "3",
        0
      ]
    },
    "class_type": "StableCascade_StageB_Conditioning",
    "_meta": {
      "title": "StableCascade_StageB_Conditioning"
    }
  },
  "41": {
    "inputs": {
      "ckpt_name": "stable_cascade_stage_c.safetensors"
    },
    "class_type": "CheckpointLoaderSimple",
    "_meta": {
      "title": "Load Checkpoint"
    }
  },
  "42": {
    "inputs": {
      "ckpt_name": "stable_cascade_stage_b.safetensors"
    },
    "class_type": "CheckpointLoaderSimple",
    "_meta": {
      "title": "Load Checkpoint"
    }
  }
}

2. ComfyUI API 工作流结构简介

ComfyUI API 工作流为 json 格式，包含各节点的输入输出信息。

以节点3（KSampler）和节点36（StableCascade_StageB_Conditioning）为例

其中，红框内为从其他节点输入的变量，蓝框内为节点内部输入的变量，绿色框内为节点输出变量，对应关系见上下两图。此外，"class_type":"..." 为节点类型，"_meta":{"title":"..."} 为节点名称。

以节点36 "stage_c" 输入为例（下图右侧红框内），"3" 表示从节点3输入，0 表示节点3的第一个输出变量（此处排序从0开始，自上至下递增）。

 

3. ComfyUI API 工作流格式优化

3.1 工作流文本简化

json 格式对首行缩进、空格、换行并不敏感，因此可以删除不必要的空格和换行以简化工作流。以下为简化后的工作流，共12行：

{
"3":{"inputs":{"seed":314307448448003,"steps":20,"cfg":4,"sampler_name":"euler_ancestral","scheduler":"simple","denoise":1,"model":["41",0],"positive":["6",0],"negative":["7",0],"latent_image":["34",0]},"class_type":"KSampler","_meta":{"title":"KSampler"}},
"6":{"inputs":{"text":"evening sunset scenery blue sky nature,glass bottle with a fizzy ice cold freezing rainbow liquid in it","clip":["41",1]},"class_type":"CLIPTextEncode","_meta":{"title":"CLIPTextEncode(PositivePrompt)"}},
"7":{"inputs":{"text":"text,watermark","clip":["41",1]},"class_type":"CLIPTextEncode","_meta":{"title":"CLIPTextEncode(NegativePrompt)"}},
"8":{"inputs":{"samples":["33",0],"vae":["42",2]},"class_type":"VAEDecode","_meta":{"title":"VAEDecode"}},
"9":{"inputs":{"filename_prefix":"ComfyUI","images":["8",0]},"class_type":"SaveImage","_meta":{"title":"SaveImage"}},
"33":{"inputs":{"seed":183495397600639,"steps":10,"cfg":1.1,"sampler_name":"euler_ancestral","scheduler":"simple","denoise":1,"model":["42",0],"positive":["36",0],"negative":["7",0],"latent_image":["34",1]},"class_type":"KSampler","_meta":{"title":"KSampler"}},
"34":{"inputs":{"width":1024,"height":1024,"compression":42,"batch_size":1},"class_type":"StableCascade_EmptyLatentImage","_meta":{"title":"StableCascade_EmptyLatentImage"}},
"36":{"inputs":{"conditioning":["6",0],"stage_c":["3",0]},"class_type":"StableCascade_StageB_Conditioning","_meta":{"title":"StableCascade_StageB_Conditioning"}},
"41":{"inputs":{"ckpt_name":"stable_cascade_stage_c.safetensors"},"class_type":"CheckpointLoaderSimple","_meta":{"title":"LoadCheckpoint"}},
"42":{"inputs":{"ckpt_name":"stable_cascade_stage_b.safetensors"},"class_type":"CheckpointLoaderSimple","_meta":{"title":"LoadCheckpoint"}}
}

实践表明，"_meta":{"title":"..."} 节点名称在 API 调用过程中无实际意义，也可以删除，再次简化后的工作流：

{
"3":{"inputs":{"seed":314307448448003,"steps":20,"cfg":4,"sampler_name":"euler_ancestral","scheduler":"simple","denoise":1,"model":["41",0],"positive":["6",0],"negative":["7",0],"latent_image":["34",0]},"class_type":"KSampler"},
"6":{"inputs":{"text":"evening sunset scenery blue sky nature,glass bottle with a fizzy ice cold freezing rainbow liquid in it","clip":["41",1]},"class_type":"CLIPTextEncode"},
"7":{"inputs":{"text":"text,watermark","clip":["41",1]},"class_type":"CLIPTextEncode","_meta":{"title":"CLIPTextEncode(NegativePrompt)"}},
"8":{"inputs":{"samples":["33",0],"vae":["42",2]},"class_type":"VAEDecode"},
"9":{"inputs":{"filename_prefix":"ComfyUI","images":["8",0]},"class_type":"SaveImage"},
"33":{"inputs":{"seed":183495397600639,"steps":10,"cfg":1.1,"sampler_name":"euler_ancestral","scheduler":"simple","denoise":1,"model":["42",0],"positive":["36",0],"negative":["7",0],"latent_image":["34",1]},"class_type":"KSampler"},
"34":{"inputs":{"width":1024,"height":1024,"compression":42,"batch_size":1},"class_type":"StableCascade_EmptyLatentImage"},
"36":{"inputs":{"conditioning":["6",0],"stage_c":["3",0]},"class_type":"StableCascade_StageB_Conditioning"},
"41":{"inputs":{"ckpt_name":"stable_cascade_stage_c.safetensors"},"class_type":"CheckpointLoaderSimple"},
"42":{"inputs":{"ckpt_name":"stable_cascade_stage_b.safetensors"},"class_type":"CheckpointLoaderSimple"}
}

3.2 工作流节点重新排序

从上面简化后的工作流不难看出节点顺序和编号都是混乱的，以下介绍如何重新排序工作流内的节点信息。

Stable Cascade 文生图工作流逻辑执行顺序：

  1. 加载 stable_cascade_stage_c.safetensors （节点41）；
  2. 正向提示词 CLIPTextEncode（节点6）；
  3. 负向提示词 CLIPTextEncode（节点7）；
  4. StableCascade_EmptyLatentImage （节点34）；
  5. Stage_C 阶段采样 KSampler （节点3）；
  6. StableCascade_StageB_Conditioning （节点36）；
  7. 加载 stable_cascade_stage_b.safetensors （节点42）；
  8. Stage_B 阶段采样 KSampler （节点33）；
  9. VAEDecode （节点8）；
  10. SaveImage （节点9）；

按逻辑执行顺序重新排序的工作流：

{
"41":{"inputs":{"ckpt_name":"stable_cascade_stage_c.safetensors"},"class_type":"CheckpointLoaderSimple"},
"6":{"inputs":{"text":"evening sunset scenery blue sky nature,glass bottle with a fizzy ice cold freezing rainbow liquid in it","clip":["41",1]},"class_type":"CLIPTextEncode"},
"7":{"inputs":{"text":"text,watermark","clip":["41",1]},"class_type":"CLIPTextEncode","_meta":{"title":"CLIPTextEncode(NegativePrompt)"}},
"34":{"inputs":{"width":1024,"height":1024,"compression":42,"batch_size":1},"class_type":"StableCascade_EmptyLatentImage"},
"3":{"inputs":{"seed":314307448448003,"steps":20,"cfg":4,"sampler_name":"euler_ancestral","scheduler":"simple","denoise":1,"model":["41",0],"positive":["6",0],"negative":["7",0],"latent_image":["34",0]},"class_type":"KSampler"},
"36":{"inputs":{"conditioning":["6",0],"stage_c":["3",0]},"class_type":"StableCascade_StageB_Conditioning"},
"42":{"inputs":{"ckpt_name":"stable_cascade_stage_b.safetensors"},"class_type":"CheckpointLoaderSimple"},
"33":{"inputs":{"seed":183495397600639,"steps":10,"cfg":1.1,"sampler_name":"euler_ancestral","scheduler":"simple","denoise":1,"model":["42",0],"positive":["36",0],"negative":["7",0],"latent_image":["34",1]},"class_type":"KSampler"},
"8":{"inputs":{"samples":["33",0],"vae":["42",2]},"class_type":"VAEDecode"},
"9":{"inputs":{"filename_prefix":"ComfyUI","images":["8",0]},"class_type":"SaveImage"}
}

可以看到节点编号很乱，重新给节点编号并更新节点间的关联关系，重新编号后的工作流：

{
"1":{"inputs":{"ckpt_name":"stable_cascade_stage_c.safetensors"},"class_type":"CheckpointLoaderSimple"},
"2":{"inputs":{"text":"evening sunset scenery blue sky nature,glass bottle with a fizzy ice cold freezing rainbow liquid in it","clip":["1",1]},"class_type":"CLIPTextEncode"},
"3":{"inputs":{"text":"text,watermark","clip":["1",1]},"class_type":"CLIPTextEncode"},
"4":{"inputs":{"width":1024,"height":1024,"compression":42,"batch_size":1},"class_type":"StableCascade_EmptyLatentImage"},
"5":{"inputs":{"seed":314307448448003,"steps":20,"cfg":4,"sampler_name":"euler_ancestral","scheduler":"simple","denoise":1,"model":["1",0],"positive":["2",0],"negative":["3",0],"latent_image":["4",0]},"class_type":"KSampler"},
"6":{"inputs":{"conditioning":["2",0],"stage_c":["5",0]},"class_type":"StableCascade_StageB_Conditioning"},
"7":{"inputs":{"ckpt_name":"stable_cascade_stage_b.safetensors"},"class_type":"CheckpointLoaderSimple"},
"8":{"inputs":{"seed":183495397600639,"steps":10,"cfg":1.1,"sampler_name":"euler_ancestral","scheduler":"simple","denoise":1,"model":["7",0],"positive":["6",0],"negative":["3",0],"latent_image":["4",1]},"class_type":"KSampler"},
"9":{"inputs":{"samples":["8",0],"vae":["7",2]},"class_type":"VAEDecode"},
"10":{"inputs":{"filename_prefix":"ComfyUI","images":["9",0]},"class_type":"SaveImage"}
}

至此，工作流格式优化结束，优化后的工作流逻辑清晰，行数由原始的163行减至12行。

3.3 检验格式优化后的工作流

将优化后的工作流文件拖入 ComfyUI 浏览器界面，可以看到工作流连接正确。

此时再次通过 ComfyUI 保存 API 格式的工作流文件，内容如下。可以发现再次保存的 API 工作流节点顺序与手工优化的工作流节点顺序一致，说明原始工作流中节点顺序混乱与工作流制作过程有关，与 ComfyUI 程序无关。在 ComfyUI 中设计工作流的时候，添加、删除、修改节点可能会导致节点编号和顺序发生变化。

{
  "1": {
    "inputs": {
      "ckpt_name": "stable_cascade_stage_c.safetensors"
    },
    "class_type": "CheckpointLoaderSimple",
    "_meta": {
      "title": "Load Checkpoint"
    }
  },
  "2": {
    "inputs": {
      "text": "evening sunset scenery blue sky nature,glass bottle with a fizzy ice cold freezing rainbow liquid in it",
      "clip": [
        "1",
        1
      ]
    },
    "class_type": "CLIPTextEncode",
    "_meta": {
      "title": "CLIP Text Encode (Prompt)"
    }
  },
  "3": {
    "inputs": {
      "text": "text,watermark",
      "clip": [
        "1",
        1
      ]
    },
    "class_type": "CLIPTextEncode",
    "_meta": {
      "title": "CLIP Text Encode (Prompt)"
    }
  },
  "4": {
    "inputs": {
      "width": 1024,
      "height": 1024,
      "compression": 42,
      "batch_size": 1
    },
    "class_type": "StableCascade_EmptyLatentImage",
    "_meta": {
      "title": "StableCascade_EmptyLatentImage"
    }
  },
  "5": {
    "inputs": {
      "seed": 314307448448003,
      "steps": 20,
      "cfg": 4,
      "sampler_name": "euler_ancestral",
      "scheduler": "simple",
      "denoise": 1,
      "model": [
        "1",
        0
      ],
      "positive": [
        "2",
        0
      ],
      "negative": [
        "3",
        0
      ],
      "latent_image": [
        "4",
        0
      ]
    },
    "class_type": "KSampler",
    "_meta": {
      "title": "KSampler"
    }
  },
  "6": {
    "inputs": {
      "conditioning": [
        "2",
        0
      ],
      "stage_c": [
        "5",
        0
      ]
    },
    "class_type": "StableCascade_StageB_Conditioning",
    "_meta": {
      "title": "StableCascade_StageB_Conditioning"
    }
  },
  "7": {
    "inputs": {
      "ckpt_name": "stable_cascade_stage_b.safetensors"
    },
    "class_type": "CheckpointLoaderSimple",
    "_meta": {
      "title": "Load Checkpoint"
    }
  },
  "8": {
    "inputs": {
      "seed": 183495397600639,
      "steps": 10,
      "cfg": 1.1,
      "sampler_name": "euler_ancestral",
      "scheduler": "simple",
      "denoise": 1,
      "model": [
        "7",
        0
      ],
      "positive": [
        "6",
        0
      ],
      "negative": [
        "3",
        0
      ],
      "latent_image": [
        "4",
        1
      ]
    },
    "class_type": "KSampler",
    "_meta": {
      "title": "KSampler"
    }
  },
  "9": {
    "inputs": {
      "samples": [
        "8",
        0
      ],
      "vae": [
        "7",
        2
      ]
    },
    "class_type": "VAEDecode",
    "_meta": {
      "title": "VAE Decode"
    }
  },
  "10": {
    "inputs": {
      "filename_prefix": "ComfyUI",
      "images": [
        "9",
        0
      ]
    },
    "class_type": "SaveImage",
    "_meta": {
      "title": "Save Image"
    }
  }
}

旭_1994
关注
  • 26
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
comfyui api
liguandong
03-28 753
stable diffusion comfyui的api使用教程，为什么要使用comfyui的api？comfyui的api设计，其中comfyui-api写的不错的，用的还是websocket，cog-comfyui可以同时把comfyui启起来。stable diffusion comfyui的api使用教程_厦门外里科技的技术博客_51CTO博客。comfyui api接口文档_51CTO博客_api接口文档怎么用。comfyui api接口文档，comfyuiapi接口文档。
cascade-rcnn:多种流行对象检测框架的Caffe实现
05-11
该存储库在MS-COCO和PASCAL VOC数据集上实现了多种流行的对象检测算法，包括Faster R-CNN，R-FCN，FPN和我们最近提出的Cascade R-CNN。 骨干网有多种选择，包括AlexNet，VGG-Net和ResNet。 它是用C ++编写的，并由...
comfyui使用api实现工作流生成图片
m0_63608103的博客
05-15 1242
comfyui中使用websocket对工作流的执行
ComfiUI API调用随记
applebomb的专栏
12-01 7059
来进行知识接力了：首先了解下ComfiUI的API对于ComfiUI，接口比较简单。查询接口比较容易看明白。对于发起prompt的请求，如果需要图片的，则需预先上传图片给ComfiUI，获取返回的文件名进行调用。发起调用后，实际上是加入队列，获得一个任务ID，通过ws实时获取对应的执行状态，进度等数据。当未执行时，则查询任务获得图片。
comfyui api开启并显示在页面上
最新发布
m0_56441728的博客
06-06 392
一、下载comfyui（ComfyUI_windows_portable）新建static文件夹，在该文件夹下新建index.html。双击run_nvidia_gpu.bat开启命令行。下载workflow_api.json。
探索 ComfyUI-Custom-Scripts：打造个性化的交互体验
gitblog_00041的博客
04-16 421
探索 ComfyUI-Custom-Scripts：打造个性化的交互体验 项目地址:https://gitcode.com/pythongosssss/ComfyUI-Custom-Scripts ComfyUI-Custom-Scripts 是一个开源项目，旨在帮助用户通过自定义脚本改进其日常使用的应用程序和网站的用户界面（UI）。这个项目的核心理念是赋予用户更多的控制权，让他们可以根据自己的喜...
用ComfyUI的思路设计Agent工作流
weixin_58753619的博客
05-09 1061
在AIGC领域，除了LLM，我想你应该都了解文生图这个领域，而该领域的开源模型Stable Diffusion则占据了大半江山。由于开源社区的强大，SD的生态非常丰富。作为其官方公司Stability仅仅发布了底座模型，甚至都没有UI，而社区目前最主流的两大UI（WebUI和ComfyUI）都非官方作品，却派生了更大的社区空间。（最近新的UI工具forge也涌现出来，开源真的促进发展。WebUI以配置为操作模式，用户通过选、填来完成模型操作。
stable diffusion comfyui的api使用教程
热门推荐
向来缘浅，奈何情深
11-14 2万+
为什么要使用comfyui的api？对比webui的api，它有什么好处？stable diffusion 如何实现队列
comfyui api接口文档
向来缘浅，奈何情深
11-13 5388
comfyui api接口文档
Chatgpt+Comfyui绘图源码线上部署文档
向来缘浅，奈何情深
01-21 1469
chatgpt+comfyui+知识库源码线上部署流程： chatgpt-java：基于renren框架：springboot+mybatis-plus+redis+milvus
手把手教你写COMFYUI 节点，自定义comfyui节点，封装comfyui插件
qq_45957132的博客
01-29 5897
众所周知，comfyui是一个AI绘图领域的一个十分好用的工具，可以完成很多十分复杂的工作流。工作效率远远高于 传统的webui。同时，入门门槛十分低，在bilibili看一个小时教程即可完全入门。所以很多工作室将comfyui工作流作为stable diffusion开发的主要工具。本文即来教大家如何使用comfyui写自己的插件。保证通俗易懂，看完就会。（当然默认你已经安装了comfyui，并且知道怎么使用。并且了解python简单的语法）
ComfyUI使用总结
金闪闪_Li的博客
10-24 7765
ComfyUI，它的主要特点是以工作流的形式来进行和展现基于stable diffusion模型的文生图和图生图的过程，拖拽式操作来链接各个节点，比如base model、vae、controlnet、lora、hypernet等。让整个生成过程更加清晰，易于理解。
cascade-function-.rar_cascade
09-20
在IT行业中，级联（Cascade）常常用于描述一种数据结构或功能，其中下级数据依赖于上级数据。在这个场景中，"cascade-function-.rar_cascade" 提供的是一种实现省市级联功能的Java脚本，主要用于Web开发，尤其是前端...
haarcascade_frontalface_default_haarcascade_
10-03
标题中的"haarcascade_frontalface_default"是一个与人脸识别技术密切相关的关键词，它是指OpenCV库中的一个预训练级联分类器模型。OpenCV（开源计算机视觉库）是一个跨平台的计算机视觉和机器学习软件库，广泛应用...
haarcascade
11-19
"haarcascade"是计算机视觉领域中用于对象检测的一个经典算法，主要应用于人脸识别，但也能够检测其他特征，如眼睛和手。这个算法是基于Adaboost算法和Haar-like特征的级联分类器，最初由Paul Viola和Michael Jones...
haarcascade.zip
08-27
OpenCV+python:人脸检测时人脸识别xml文件：haarcascade_frontalface_default.xml，haarcascade_frontalface_alt2.xml，haarcascade_eye.xml等文件下载
最详细ChatGPT+AI绘画+企业知识库+视频去水印系统源码搭建流程,手把手教你搭建
向来缘浅，奈何情深
11-12 1091
这款源码搭载了强大的AI问答功能，是基于目前最强大AI大语言模型ChatGPT进行开发的Ai智能问答系统，并使用stablediffusion加最新的comfyui作为底层技术的绘画系统,使用comfyui的api接口，可以更灵活的定制自己的绘画工作流，支持sd v2.1、v1.5、xl全部模型。内置了知识库、支持上传csv格式的qa问答数据，使用milvus作为向量数据库，问答时可标注知识库内容！还可以一件对视频去水印，提取无水印视频、文案、音频，以及一件文案改写，简直是自媒体人的福音ai软件！
ComfyUI搭建使用教程
培根芝士的专栏
11-23 1万+
ComfyUI 是一个基于节点流程式的stable diffusion AI 绘图工具WebUI， 通过将stable diffusion的流程拆分成节点，实现了更加精准的工作流定制和完善的可复现性。ComfyUI因为内部生成流程做了优化，生成图片时的速度相较于WebUI有10%~25%的提升（根据不同显卡提升幅度不同），生成大图片的时候不会爆显存，只是图片太大时，会因为切块运算的导致图片碎裂。
Python调用调用Wappalyzer API
05-17
Wappalyzer 是一个用于识别网站使用的技术和工具的开源项目，它提供了一个 API，可以允许开发人员通过编程方式访问其识别引擎。以下是使用 Python 调用 Wappalyzer API 的步骤： 1. 首先，您需要在 Wappalyzer 官方网站上注册一个帐户，并获取 API 密钥。 2. 然后，您需要安装 requests 库，以便使用 Python 发送 HTTP 请求。 3. 接下来，您可以使用以下代码来调用 Wappalyzer API: ```python import requests import json url = "https://api.wappalyzer.com/lookup/v1/" headers = {"Content-Type": "application/json", "x-api-key": "YOUR_API_KEY"} data = { "url": "https://www.example.com", "html": "<html><head><title>Example</title></head><body><h1>Hello, World!</h1></body></html>", "meta": {}, "headers": {} } response = requests.post(url, headers=headers, data=json.dumps(data)) print(response.json()) ``` 在上面的代码中，您需要将 YOUR_API_KEY 替换为您的 Wappalyzer API 密钥，并将 url 替换为您要识别的网站的 URL。 4. 最后，您将收到一个包含识别结果的 JSON 响应。 请注意，Wappalyzer API 是一个付费服务，并且有不同的计费方案。有关更多信息，请访问 Wappalyzer 官方网站。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值