addFileAttachmentAsync не работает в Outlook 2016 внутренней версии 16.0.8201.2025

Мы разрабатываем надстройку Outlook Office, которая вызывает addFileAttachmentAsync (url, filename).

URL-адрес загрузки вложения указывает на наше веб-приложение с URL-адресом вида: https://serverhost/api/v1/contentlib/getResource?authToken=xxxxx&&resourceAbsUrl=yyyy&key3=val3

Это работает должным образом на рабочем столе Outlook 2016 и в браузере Chrome (OWA). Вложение загружается с сервера и добавляется в электронную почту.
Не работает в Outlook 2016 Insider версии 16.0.8201.2025
Сообщение об ошибке: загрузка не удалась (под вложением).
При использовании скрипач (также можно «Открыть расположение файла» из раскрывающегося меню сбойного вложения) -> кажется, что Outlook запрашивает URL-адрес без строки запроса. например, https://serverhost/api/v1/contentlib/getResource
Длина URL-адреса меньше 2048 - задокументированный макс.

13.06.2017

Спасибо за ваш доклад. Мы можем воспроизвести эту проблему и исследуем ее. 27.06.2017
Это было исправлено в сборках Outlook после: 16.0.8408.1000. 15.07.2017

Ответы:

Это было исправлено в сборках Outlook после: 16.0.8408.1000 (см. Группа надстроек Outlook - комментарий MSFT выше)

18.10.2017

Новые материалы

Объяснение документов 02: BERT

BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?

Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)

Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]

Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter

Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js

Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!

Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

Метки

Machine Learning JavaScript Data Science Artificial Intelligence Software Development Python Web Development Coding Deep Learning AI React Software Engineering Nodejs Java Front End Development Typescript Computer Science Data Algorithms Development NLP Tech Programming Languages CSS ChatGPT HTML Python Programming Javascript Tips Angular Computer Vision Startup Data Visualization Neural Networks Tutorial Statistics Productivity Reactjs Learning