Nano Hash - криптовалюты, майнинг, программирование

AppEngine-OAuth-Library LinkedIn — Предоставление дополнительных разрешений

Я использую AppEngine-OAuth-Library, чтобы получить пользователя информацию из LinkedIn, но как мне предоставить больше разрешений, чем базовый профиль по умолчанию.

Класс LinkedInClient имеет следующий конструктор:

OAuthClient.__init__(self,
    LINKEDIN,
    consumer_key,
    consumer_secret,
    "https://api.linkedin.com/uas/oauth/requestToken",
    "https://api.linkedin.com/uas/oauth/accessToken",
    callback_url)

Вместо этого я пробовал это:

https://api.linkedin.com/uas/oauth/requestToken?scope=r_basicprofile+r_emailaddress

Но это дает внутреннюю ошибку сервера, когда я делаю запрос. Он отлично работает с запросом базового профиля по умолчанию. Некоторые идеи о том, что не так?

Заранее спасибо :)

python-2.7 google-app-engine oauth linkedin
25.10.2012

Ответы:


1

Вы должны указать дополнительные параметры в oauth.py. Где вы помещаете словарь с ключом «Область», и значение должно быть тем разрешением, которое вы хотите. Если вам нужно более 1 разрешения, сделайте пробел в значении, например, «r_basicprofile r_emailaddress»

24.11.2012
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..