【webservice】调试方法篇(二、java的http请求)

如何抓取基于https协议的webservice数据包(webservice调试)      最近在写一个客户端访问客户提供的webservice时,得到响应异常,于是想用工具抓取请求响应的soap数据查找异常原因,如果service是http发布的,用一般的http、tcp监控工具都可以抓到发送数据的原文,但是我请求的service是https发布的,使用一般的较底层的网络抓包工具抓到的都是经过加密的数据。搜索了很多相关文章最后找到了抓取解密后https明文的方法。     我的前题是我使用java写的一段客户端代码请求一个基于https发布的webservice,我的客户端代码工具自动 阅读详情

前面提过webservice调试工具,如果有兴趣动手写测试代码,那挺好的啊!

我也是这样想的,有想法不妨去尝试哦。那么,我的程序中主要用到HttpURLConnection类,先拼接符合soap协议的xml字符串信息,再与webservice服务端建立连接后,发送http请求,接收完返回信息后打印出来。流程上和SoapUI 调试工具的差不多的,下面提供测试程序的代码,大家可以参考一下。

import java.io.BufferedReader;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.OutputStream;
import java.net.HttpURLConnection;
import java.net.URL;

public class Http {
	
	public String httpGet(String httpURL){
		String reqMsg = "<soapenv:Envelope xmlns:soapenv=\"http://www.w3.org/2003/05/soap-envelope\">" +
				"<soapenv:Header>" +
				"<ns1:Username xmlns:ns1=\"http://service.webservice.ultrapower.com.cn\" soapenv:mustUnderstand=\"false\">username</ns1:Username>" +
				"<ns1:Password xmlns:ns1=\"http://service.webservice.ultrapower.com.cn\" soapenv:mustUnderstand=\"false\">userpw</ns1:Password>" +
				"</soapenv:Header>" +
				"<soapenv:Body>" +
				"<ns1:SendXML xmlns:ns1=\"http://service.webservice.ultrapower.com.cn\">" +
				"<ns1:requestXml>" +
				"<?xml version=\"1.0\" encoding=\"UTF-8\"?>" +
				"<ReadWhiteList>" +
					"<srcDeviceType>32</srcDeviceType>" +
					"<srcDeviceID>321101</srcDeviceID>" +
					"<Cmd>0</Cmd>" +
				"</ReadWhiteList>" +
				"</ns1:requestXml>" +				
				"<ns1:busiKey>11</ns1:busiKey>" +
				"</ns1:SendXML>" +
				"</soapenv:Body>" +
				"</soapenv:Envelope>";
		
		URL url = null; 
		HttpURLConnection httpURLConn= null;
        StringBuffer dataString = new StringBuffer("");
        String temp = new String();
		try{
            System.out.println(httpURL);
            url = new  URL(httpURL);
            httpURLConn= (HttpURLConnection)url.openConnection();
            httpURLConn.setDoOutput(true);
            httpURLConn.setRequestMethod("POST");
            httpURLConn.setConnectTimeout(300*1000);//300s超时
            httpURLConn.setRequestProperty("User-Agent","Apache-HttpClient/4.1.1 (java 1.5)");
            httpURLConn.setRequestProperty("Content-Type","application/soap+xml;charset=UTF-8;action=\"urn:SendXML\"");
            OutputStream out = httpURLConn.getOutputStream();
            out.write(reqMsg.toString().getBytes());
            httpURLConn.connect();
            InputStream in =httpURLConn.getInputStream();
            BufferedReader bd = new BufferedReader(new InputStreamReader(in));
            while((temp=bd.readLine())!=null)
            {
            	dataString.append(new String(temp.getBytes()));
            }  
            in.close();
            bd.close();
        }
        catch (Exception e){
            e.printStackTrace();
        } 
        finally{
            if(httpURLConn!=null){
                httpURLConn.disconnect();
            }
        }
        try{
	        System.out.println(new String(dataString.toString().getBytes("gbk"),"utf-8"));
        }catch(Exception e){
        	e.printStackTrace();
        }
        return dataString.toString();
	}

	public static void main(String[] arg){
		Http pm = new Http();
		pm.httpGet("http://132.xx.xxx.xx:8080/xxx//xxx?wsdl");
	
	}
}

有没有觉得拼接的这个xml,有点偏复杂?这个webservice服务端弄了soaphead 安全机制,没办法,客户端要求这样弄。往后再介绍一下这个带soaphead 安全机制的webservice服务端吧。

转载请说明出自whilejolly:http://blog.youkuaiyun.com/seedingly/article/details/39054609

SAP Webservice接口测试实战:SoapUI与Postman深度调试指南 在系统集成领域,Webservice作为基于SOAP协议的标准通信方式,其核心原理是通过WSDL文件定义服务契约,实现跨平台数据交换。理解SOAP协议与XML消息结构是确保接口质量的技术基础。对于企业级应用,特别是SAP系统,其发布的Webservice往往涉及复杂的命名空间、严格的数据类型映射及HTTP Basic认证机制,这使得接口测试成为保障系统稳定性的关键环节。通过专业的测试工具进行深度验证,不仅能提前发现数据格式错误、空值处理等集成隐患,更能确保业务逻辑的准确执行。本文聚焦于SAP Webserv 阅读详情

相关推荐

httpclient-4.1.1.jar

httpclient-4.1.1.jar,httpclient,http get post put

linux命令发送接口请求

linux命令发送接口请求

qq_54571327的博客 494

创新实训项目博客:基于LoRA的医疗大模型高效微调实战

预训练大语言模型(LLMs)虽然具备了广泛的知识和一定的通用能力,但在特定领域(如医疗)或特定任务(如遵循特定指令格式进行思考链推理)上,其表现往往不尽如人意。微调(Fine-tuning)能够使模型学习到特定领域的数据分布和任务模式,从而在目标任务上获得更好的性能,使其更贴合实际应用需求。使用Unsloth框架加载并以4-bit量化模型。基于数据集,构建了包含明确思考链引导的训练Prompt。配置了LoRA参数,并使用SFTTrainer在单张T4 GPU上对模型进行了高效微调。

m0_73556916的博客 1291

CNVD-2019-48814 Weblogic wls9_async_response 反序列化RCE漏洞复现

0x00 事件背景 2019年4月17日,国家信息安全漏洞共享平台(CNVD)收录了由中国民生银行股份有限公司报送的Oracle WebLogic wls9-async反序列化远程命令执行漏洞(CNVD-C-2019-48814)。攻击者利用该漏洞,可在未授权的情况下远程执行命令。目前,官方补丁尚未发布,漏洞细节未公开。CNVD对该漏洞的综合评级为“高危” 0x01 漏洞情况分析 WebLog...

渗透测试研究中心 508

手把手教你搭建幽冥传奇手游:从环境配置到常见Bug修复(附完整避坑指南)

本文详细指导如何从零搭建幽冥传奇手游,涵盖服务器选型、数据库部署、双区架构配置等关键步骤,并提供通天塔闪退、技能显示异常等常见Bug的修复方案。附完整避坑指南,帮助开发者高效解决90%的典型问题,确保游戏稳定运行。

weixin_29232121的博客 246

CCD 技术介绍(基于innovus引擎CCOpt)

CCD:全称是,并行优化clock和data path。CCOpt:全称是Clock的timing分为两种模式,和。preCTS并没有clock,因此需要建立一个,从clock端口到寄存器CK端的来自sdc中的设置;postCTSupdateIO latency,clock就会自动的转换成propagatedclock,这时就是实际时钟互连线网络的delay。在实际设计中,clock起始于ideal。

m0_61003348的博客 8980

webservice的开发与调试

webservice的开发与调试

lendsomething的博客 2739

从7V到28V宽压输入,手把手教你设计一个5V/3A的DCDC电源模块(附MPS1584选型与原理图避坑)

本文详细解析了基于MPS1584芯片的7V至28V宽压输入到5V/3A输出的DCDC电源模块设计全流程。从电源架构选择、原理图设计要点到实际调试经验,涵盖了输入保护电路、功率转换核心电路及系统级优化测试,帮助工程师规避常见设计陷阱,实现高效稳定的电源解决方案。

weixin_33712987的博客 502

WebService 接口的发布调试与调用

WebService 接口 发布与调用

石磊的博客 3083

IP路由原理、静态路由及动态路由区分

什么是路由 路由是指导IP报文发送的路径信息。 直连路由:目的地所在网络与路由器直接相连。 间接路由:目的地所在网络与路由器非直接相连。 静态路由是由管理员手工配置而生成的路由。 动态路由路由器使用路由协议从其他路由器那里获悉的路由。

weixin_42227328的博客 5471

深入浅出AXI协议(2)——通道及信号

本文我们继续AXI协议的学习,我们将讨论5个通道的具体内容和相对应的信号。这一部分的内容现在对于大家来说可能很难理解,但是没有关系,随着学习的深入,我们会逐步讲解这里面的所有现在,现在只需要把它们当作一个可以查阅的手册,快速阅读有一个基本的印象即可。

apple_53311083的博客 1801

WebService接口调试如此简单

WebService,老技术了。现在也还在用。 我这边的Android终端调试webservice接口,一开始想看日志,用的方法真笨啊。 装了个WireShark抓包工具在那看收发的报文,看着真费劲。 又改进,让终端打印出日志来看,使用的是ksoap2框架。 if(resultSoapObject == null){ Log.d(TAG...

猫哥 的沉淀、积累、总结。天天学习,好好向上...c/c++,嵌入式 linux,Android,HarmonyOS,AIOT) 8530

HanLP的分词

HanLP的分词

sikh_0529的博客 1万+

http请求webservice接口

webservice服务数量比较少,且不希望引入Apche CXF这种第三方的jar包时可以直接使用http请求的方式。本文提供http请求需要账号密码验证的webservice服务的示例。

qq_28227405的博客 5947

微信小程序:使用mqtt手机屏幕锁屏后导致中断问题,让mqtt在手机黑屏后依然能保持连接及持续后台运行接收或处理任务,详解微信小程序MQTT在应用退到后台或手机熄屏的情况下自动检测并重连【强制保活】

微信小程序切后台后MQTT连接无法维持,微信小程序MQTT一旦用户锁屏、切换到后台或手机熄屏,连接就会断开,导致无法继续监听和处理业务消息,微信小程序mqtt保活方案,微信小程序屏幕锁屏或息屏导致mqtt连接中断怎么办,如何解决MQTT不能黑屏持续连接的问题,微信小程序应用退到后台 MQTT连接断开问题解决,苹果ios手机,安卓手机,uniapp微信小程序mqtt断开怎么解决,后台应用怎么保活,uni-app中MQTT连接频繁断开如何解决?应用退到后台后MQTT连接断开以及常连接断连的问题,微信小程序、MQ

✅ 精选推荐文章 3028

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

java调用webservice接口方法整理

这几天在调试webservice接口,记录下调试过程以及遇到的问题; 1: 首先列出几种请求webservice: AXIS调用远程的webservice SOAP调用远程的webservice wsdl2java把WSDL文件转成本地类,然后像本地类一样使用 URL Connection方式 当然http方式也有很多,原生httpconnectin,httpclient,okhttp等都可以, springboot也有支持的,封装了上面几个的,具体用哪种方式都可以; 2: We

u010953880的专栏 5944

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

WebService介绍及使用(Java)

WebService介绍及使用(Java) 本文章主要是本人对于别人的博客的总结,原文链接会在文末列出。 一、WebService到底是什么? 先来看下标准的定义: &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;WebService 也叫XML Web Service,WebService是一种可以接收从Intern

小半的博客 3万+

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

java webservice接口测试_WebService接口调试如此简单

WebService,老技术了。现在也还在用。我这边的Android终端调试webservice接口,一开始想看日志,用的方法真笨啊。装了个WireShark抓包工具在那看收发的报文,看着真费劲。又改进,让终端打印出日志来看,使用的是ksoap2框架。if(resultSoapObject == null){Log.d(TAG+"请求:",httpTransportSE.requestDump);...

weixin_39603050的博客 669

STM32单片机发送webservice结构的数据包,使WIFI模块通过http向webservice服务上传数据

1、目的 对于一些通过wifi进行数据上报的硬件产品,目前市面上大多数WIFI模块支持http,但是不支持webservice,对于项目开发来说,有些情况是软件开发了webservice接口,希望硬件通过webservice接口把数据传上来,但是硬件希望通过http上传。这样就产生了一定的不协调。那么如何更快的使硬件数据传到webservice服务呢?一般有如下思路: (1)增加一个网关,接收...

风雨无阻 7326

webservice soap脱离客户端代码单独http调试

webservice soap的实现序列化方式默认也是最通用的是采用xml进行序列化以及http协议进行传输的,也就是文本协议传输调用,这样给了我们脱离客户端代码用工具进行调试或者用HttpClient的代码进行各种测试的方便。     目前需要对webservice soap的server端进行压力测试,然而,每次java这边测试的时候都要启动cxf进行对象的序列化和调用,非常损耗客户端机器的

唯一的专栏 1516

使用http调用webservice-wsdl服务

工作对接需要,对webservice了解不深,知道wsdl地址,就下载了Soap UI工具。大家自行下载,网上比较多。 Soap UI工具使用起来也简单,直接把wsdl地址粘贴进去,就知道有什么方法了,就可以测试了。 这里简单说下使用方法: 直接点file,然后new soap project,然后在弹出填入wsdl地址,点击ok,然后左侧,就会有目录树生成,选里面的方法,点击request,按enter,就出现右侧request框,有参数填参数,没参数,直接点运行,最右侧就生成res...

竹子_bamboo的博客 5211

使用http的方式访问webService接口

使用http的方式访问webService接口 在工作中遇到的第一个难题 以前自己从来没有研究过,所以记录下来。 1. 使用接口访问工具测试接口是否可以正常访问 2. 了解访问接口的必备属性 wsdl 路径;namespace 命名空间 ;method 方法 ;str 入参。 3. 通过调试工具,获取到访问接口的入参和出参的xml 完成以上工作 我们可以开始coding啦 因为我的访问接口的...

code823442261的博客 3763

tomcat发布基于jersey的WebService(二)

周末继续学习jersey,测试了几个get和post方式的webservice请求,并模拟客户端测试调用情况。在google中找到了这么一篇相关的文章:REST: CRUD with JAX-RS (Jersey) 。  结果做到一半出了问题,服务端总是获取不到客户端请求的数据流内容!调试了一个下午未果,却在第二天如梦方醒般的找到了原因。教训1:学习下http协议;教训2:老外的东西不一定

小猴的专栏 8774

Android中的WebService新解

Android中的WebService目录 WebService简介—-来自网络资料 在java中调用WebService Android中调用Service WebService简介—-来自网络资料 Web Service也叫XML Web Service WebService是一种可以接收从Internet或者Intranet上的其它系统中传递过来的请求,轻量级的独立的通讯技术。是:通过SOAP

zhiyuan0932的博客 8973

webService接口调试工具——Strom

这几日接触到了webservice接口,成功发布webservice服务端之后想测试一下,于是写了java的测试代码,但是总想着用测试代码些许麻烦,于是就找了一个关于webservice接口的测试工具,最后发现了下面这个比较好用的 官网下载地址: WcfStrom csdn下载地址:(官网加载有些慢) WcfStrom 打开软件之后左上角点击add按钮,会弹出来一个框,填写对应的webservice服务地址,比如 http://www.deeptraining.com/webservices/weathe

皓月紫光的博客 7740
上一篇: 【webservice】调试方法篇(一、调试工具)
下一篇: 【webservice】基于axis2设计带soaphead安全机制的webservice服务端
seedingly
博客等级 码龄14年 4粉丝 28原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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