rest的簡單理解：
在使用之前，先簡單的瞭解下rest：
大家都知道”古代”網頁都是前端後端融在一起的，比如之前的PHP，JSP等。在之前的桌面時代問題不大， 但是近年來移動互聯網的發展，各種類型的Client層出不窮，這就催促了rest的誕生。
REST 近年來已經成爲最主要的 Web 服務設計模式，它是一種軟件架構風格，但不是一套標準，它用來規範應用如何在http層與API提供方進行數據交互，其好處在於其爲面向資源的URL（即http請求路徑），rest規定中要求URL各層只能用名詞不能用動詞，這樣相比於傳統的get請求有利於傳輸數據的穩定性，數據的操作流程不會輕易被人看破，也便於團隊開發，各種url一目瞭然。
實例：
有了上面對rest的簡單理解，那我們再看一個應用的比較常見的例子。
像測試人臉識別算法的識別率，剛開始時自己無從下手，然後經過向大佬請教，直接讓開發暴露出了一個rest接口給了我，通過此rest接口返回的數據，分析評估其是否可用，接下來就簡單說一下我的做法：
首先，收集照片，case裏的滿足各種條件的照片，放置於不同的文件目錄下；
然後，與開發對過或者查看接口文檔中的傳參，弄清傳參格式。這裏講述的是一個簡單的只傳了base64格式的照片形式，遍歷文件夾下的圖片，然後將圖片形式寫成base64格式，代碼如下：
# coding=utf-8
import requests
import os
import cv2
import base64
def get_facename(self, file_path):
list_name = []
file_names = os.listdir(file_path)
for file_name in file_names:
if os.path.isfile(os.path.join(file_path, file_name)):
list_name.append(file_name)
return list_name
def get_img_base64(self, file_path):
list_base64 = []
for file_name in Aaf().get_facename(file_path):
img = cv2.imread(file_path + file_name)
img_str = cv2.imencode('.jpg', img)[1].tostring()
img_base64 = base64.b64encode(img_str)
# print img_base64
list_base64.append(img_base64)
return list_base64
然後，將圖片編碼之後的base64格式導入到接口中(即多次請求這個接口)。
def face_att(self, file_path, post_url):
for img in Aaf().get_img_base64(file_path):
payload = {"image":str(img),"AAA":"aaa","BBB":"bbb" }
headers = {
#響應頭，可寫可不寫
"Cache-control"："no-cache"
}
try:
response = requests.request("POST", url, data=payload, headers=headers)
print response.text
except Exception as error:
print error
if __name__ == '__main__':
path = '照片所在目錄'
url = "調接口的網址"
Aaf().face_att(path, url)
最後，輸出的信息例如如下：可以按照自己的需求來進行分析數據。
{
"code":0000,
"isattack":false,
"msg":"****"，
"":"",
"":""
.....
}
下面是大體流程圖：
總結：
前期準備數據，瞭解需求；然後請求rest接口，遍歷各個文件下的照片，將照片轉成base64形式，再把這些參數傳進入接口，進行多次重複調用；再根據是否需要在同一個局域網內才能完成，因爲之前都是在測試環境，故將服務器與本機組到了同一個局域網中；最後自己是通過解析得到的數據結果（json數據），取到code碼、以及msg的具體說明和isattsck的值，根據不同的code碼值寫到不同的文件裏，進行分析，得出通過率與誤識率，然後評估此算法的優劣，再決定此算法是否可以用到實際的業務中，比如人臉打卡業務等等。