Stable Cascade | ComfyUI API 工作流格式优化

已于 2024-04-21 21:50:08 修改
阅读量2k 收藏 23
点赞数 27
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
  • 27
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
comfyui api
liguandong
03-28 857
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。
stable-cascade 使用教程安装使用教程.md
最新发布
07-16
stable-cascade 使用教程安装使用教程.md stable-cascade 使用教程安装使用教程.md stable-cascade 使用教程安装使用教程.md stable-cascade 使用教程安装使用教程.md stable-cascade 使用教程安装使用教程.md ...
一个基于ComfuUI Api的 AIGC自动绘画实现方案
applebomb的专栏
05-06 1312
基本原理已经弄通，下一步要开始编码搬砖了。整个自动绘画的流程如下，暂就不整高深U什么L了，写个简单明能看懂的流程图。UI借用了下墨刀里的AI绘画公开原型
ComfiUI API调用随记
applebomb的专栏
12-01 7840
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 初学者指南
2401_84760719的博客
05-31 2132
ComfyUI 是一个基于节点的稳定扩散 GUI。您可以通过将不同的块（称为节点）链接在一起来构建图像生成工作流程。ComfyUI 将工作流程分解为可重新排列的元素，以便您可以轻松创建自己的元素。常用的块包括加载检查点模型、输入提示、指定采样器等。您可以使用 ComfyUI 管理器来更新自定义节点。单击菜单中的管理器。单击获取更新。可能需要一段时间才能完成。单击安装自定义节点。如果有可用更新，新的更新按钮将出现在已安装的自定义节点旁边。单击更新以更新节点。6. 重新启动ComfyUI。
comfyui api开启并显示在页面上
m0_56441728的博客
06-06 598
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。
C# 调用ComfyUI 接口小案例，可以生成任务，可以获取图片，可以显示图片
05-15
一定要生成 api.json api.json api.json 一定要生成 api.json api.json api.json 一定要生成 api.json api.json api.json 1.需要把图片上传到ComfyUI Input文件夹中，拿到图片在服务器中的物理地址，替换到api.Json 中。如果失败，新创建个文件夹，把图片上传到新文件夹和Input里面 图片名字一定要一致 2.此Dome没有用监听，是前端每隔一段时间清求一次获取图片列表的接口，根据需求情况而定 3. 设置外网访问： com ----Ipconfig 获取服务器IP地址。 找到软件目录找到run_nvidia_gpu.bat这个文件。 右键，点击编辑，或者用其他文本编辑器打开。 打开之后，在最后加上参数 --listen+IP地址 --listen 192.168.31.214
【ComfyUI的API接口调用示例】
.NET学习
07-10 1643
本文调用接口示例主要指导需要调用ComfyUI的开发者如何调用ComfyUI官方的API接口提交任务、查询历史、获取绘画视频结果等。阅读本文的前提是你本地已经安装了ComfyUI，并且对工作流绘画和生成视频已经有所了解。
Stable Cascade-ComfyUI中文生图、图生图、多图融合基础工作流分享
聚梦小课堂
03-02 3684
最近 ComfyUI对于Stable Cascade的支持越来越好了一些，官方也放出来一些工作流供参考。这里简单分享几个比较常用的基础工作流。
comfyui api接口文档
向来缘浅，奈何情深
11-13 5872
comfyui api接口文档
comfyui使用api实现工作流生成图片
m0_63608103的博客
05-15 1593
comfyui中使用websocket对工作流的执行
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
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...
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...
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...
AI绘画专栏之 提升40% 4步搞定StableCascadeComfyui工作流 不再报错
赵KK的博客
02-20 987
稳定级联由三个模型组成：阶段 A、阶段 B 和阶段 C，代表生成图像的级联， 因此得名“Stable Cascade”。A级和B级用于压缩图像，类似于VAE在稳定扩散中的工作。但是，通过这种设置，可以实现更高的图像压缩。虽然 Stable Diffusion 模型使用 空间压缩因子为8，编码分辨率为1024 x 1024至128 x 128的图像，Stable Cascade 实现 压缩系数为 42。这将 1024 x 1024 图像编码为 24 x 24，同时能够准确地解码 图像。
一个比SDXL更快的模型——Stable Cascade【避坑指北】
weixin_41446370的博客
02-16 1694
2024年的春节假期，AIGC界又发生了重大革命性事件。
Stable Diffusion | Gradio界面设计及ComfyUI API调用
旭的博客
05-27 1356
本文基于ComfyUI API编写了类似于webUI的Gradio交互式界面，支持文生图/图生图（SD1.x，SD2.x，SDXL，Stable Cascade），Lora，ControlNet，图生视频（SVD_xt_1_1），图像修复（FaceDetailer），图像放大（Extras），图片/API工作流信息读取（Info）。
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。
评论 2
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