当前位置: 首页 > 知识库问答 >
问题:

Strava GPX upload with python模块请求给出了一个ValueError-为什么?

葛阳
2023-03-14

我不明白为什么会发生此ValueError?

  • 发布请求
import requests

headers = {'authorization': 'Bearer XXXXXXXXXXXXXXXX'}
files = [{'file': open('../poc_data/Sport-sessions/GPS-data/2012-08-09_05-32-43-UTC_55d566fa93bc7d9d1757b8e0.gpx', 'rb')}, {'data_type': 'gpx'}, {'Content-Type': 'multipart/form-data'}]

r = requests.post('https://www.strava.com/api/v3/uploads', headers=headers, files=files)

>

  • 错误回溯

    *回溯(最近一次调用):
    文件“D:/projekte/11\u github/poc\u runtastic/poc\u code/strava\u upload\u activities.py”,第19行,在

    ValueError:没有足够的值来解包(预期值为2,实际值为1)

  • 共有1个答案

    羊舌和安
    2023-03-14

    这种效果的原因与API设计有关:它期望一个名为头的显式字典和一个名为参数。
    在上面给出的例子中,我只发送了一个(头),这解释了ValueError。

    此代码适用于:

    import requests
    
    
    files = {
        'file': open('../poc_data/Sport-sessions/GPS-data/2012-08-09_05-32-43-UTC_55d566fa93bc7d9d1757b8e0.gpx', 'rb')
    }
    headers = {
        'authorization': 'Bearer XXXXXXXXXXXXXXXX'
    }
    params = {
        'data_type': 'gpx'
    }
    url = 'https://www.strava.com/api/v3/uploads'
    
    
    r = requests.post(files=files, headers=headers, params=params, url=url)
    
     类似资料:
    • 为什么这是一个好主意呢?您通过使用这种方法获得了什么好处?在某些情况下,这会是一个好主意吗?在每个存储库方法调用实例化时,您是否可以使用这种技术做一些不能做的事情?

    • 为什么首先这是一个好主意?通过使用这种方法,您获得了哪些优势?在某些情况下,这是一个好主意吗?在每个存储库方法调用实例化s时,使用此技术是否可以执行一些不能执行的操作?

    • 问题内容: 我想知道为什么当我这样依次调用request.get()方法时: 我对所有请求的状态都良好,但是当我在for循环中执行该状态时,例如: 除最后一个请求外,所有请求我都得到400(错误)。 附加信息:SO上有一个相关的问题,其中提到了两种应对这种情况的方法:等待,标题。 在我的情况下 以及标题中,wait不起作用-我不知道在那里提供了什么。 更新:我正在尝试实现的特定版本: 问题答案:

    • 问题内容: 这是我编写的代码。 我提到的错误行出现错误“本地变量num可能尚未初始化”。卸下挡块时,错误消失了。怎么了 我做错什么了吗? 问题答案: 如果您的块中引发了异常,则该变量可能确实尚未初始化。如果包含该块,那么无论执行什么都可以继续到错误行,因此编译器将报告您指出的错误。 如果删除该块,则只有在没有异常的情况下,执行才会到达“错误行”,在这种情况下,变量将在内初始化。 (我假设您已经知道

    • 当我尝试用Jenkins构建一个maven工件时,build输出如下: 我已经在1.0版上成功地构建了一堆。我正在使用CentOS和Nexus3操作系统。

    • 我正在尝试在keras中复制VGG16模型,以下是我的代码: maxpooling2d层在注释的行处给出了一个错误 错误显示: /usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc in create_node(cls,outbound_layer,inbound_layers,node_indexes,tensor_in