代码仔的实验室_微信公众平台 & PHP抓取网页

最新推荐文章于 2021-03-10 16:29:05 发布

孑良

最新推荐文章于 2021-03-10 16:29:05 发布

阅读量3.9k

点赞数 1

分类专栏： php 文章标签：微信 csdn博客

本文链接：https://blog.csdn.net/yuri_4_vera/article/details/16371209

版权

php 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

前言

用了一早上的时间，成功实现了PHP抓取csdn博客信息，并且通过公众平台实现了自动回复。

实现效果：用户在我的公众平台上输入“博客”，自动返回实时的博客访问量等信息，

这里边有两个重要的部分，一个是微信公众平台的信息获取、解析并按照格式返回内容；另一个是在后台利用SAE提供的类实现网页抓取并筛选出所需的部分。

欢迎大家关注我的公众号“代码仔的实验室”

微信公众平台

新手接入

在申请好了公众号之后，如果需要打开开发模式，需要进行接口验证，这部分的内容微信的开发文档里都有，并且附上了例子，我们需要做的就是有一个自己的服务器，当微信的服务器发来数据包之后进行处理，返回正确的数据包即可，相关的代码微信都有提供，只要放在服务器目录里，能被调用到就好了。

微信开发文档_新手接入

获取数据包并返回

这部分微信也提供了例子，在wechatCallbackapiTest类中，有一个公有成员函数responseMsg()，相当于一个简单的HelloWorld例子，原始的例子里并没有调用这个函数，我们可以看看这里的代码，这是一个基本的接收消息、解析、自动回复的函数。

我对这个函数加了中文注释，便于大家理解。

public function responseMsg()

    {

		//根据不同的服务器环境，这里需要获取POST来的数据

		$postStr = $GLOBALS["HTTP_RAW_POST_DATA"];



      	//解析数据

		if (!empty($postStr)){

                //按照XML文件的格式解析

              	$postObj = simplexml_load_string($postStr, 'SimpleXMLElement', LIBXML_NOCDATA);

                $fromUsername = $postObj->FromUserName;

                $toUsername = $postObj->ToUserName;

                $keyword = trim($postObj->Content);//trim函数负责去除前后的空格

                $time = time();

                $textTpl = "<xml>

							<ToUserName><![CDATA[%s]]></ToUserName>

							<FromUserName><![CDATA[%s]]></FromUserName>

							<CreateTime>%s</CreateTime>

							<MsgType><![CDATA[%s]]></MsgType>

							<Content><![CDATA[%s]]></Content>

							<FuncFlag>0</FuncFlag>

							</xml>";//制作返回数据包XML文件

				if(!empty( $keyword ))

                {

              		$msgType = "text";//返回的数据类型，这里是text文本信息

                	$contentStr = "Welcome to wechat world!";//返回数据的内容，默认是Welcome to wechat world!

                    //注意这里格式化写入，$fromUsername对应在XML文件里的位置在ToUserName，

                    //因为我们要返回信息，所以接受到的数据包里的"收件人"就成了"发件人"

                	$resultStr = sprintf($textTpl, $fromUsername, $toUsername, $time, $msgType, $contentStr);

                	echo $resultStr;//返回数据包

                }else{

                    //如果收到的数据为空，则返回对应信息

                	echo "Input something...";

                }



        }else {

        	echo "";//如果无法获取到POST数据包，则返回对应信息

        	exit;

        }

    }

有了这个代码，我们只需要修改我们需要的自定义部分，就可以顺利的返回数据。注意这里建议将错误信息补全，考虑到尽可能多的错误情况并echo对应的信息，将来查错会非常方便。

官方例子中的这个类不好用，还是我们自己写一个吧，在写之前简单的思考了一下，大概的结构是这样的：

class wechat
{
	public function distribute();//判断收到的信息是哪些
	public function text($postObj);//文本消息
	public function location($postObj)//地理位置消息
}

如果将来需要扩展新的回复内容，可以在distribute函数中增加新的判断项，并添加新的处理函数，就可以有效的应对新的内容。

distribute()是入口函数，负责将收到的信息进行解析，找到其中的MsgType，判断接受到的信息类型，并传递给相应的处理函数，如果无法获取数据返回对应的错误值。

代码如下：

public function distribute()//判断收到的信息是哪些
    {
        $postStr = $GLOBALS["HTTP_RAW_POST_DATA"];
        //extract post data
        if (!empty($postStr))
        {
            $postObj = simplexml_load_string($postStr, 'SimpleXMLElement', LIBXML_NOCDATA); 
            $msgType = $postObj->MsgType;

            switch ($msgType) //分发
            {
                case "text":
                    $this->text($postObj);
                    break;
                case "location": 
                    $this->location($postObj);
                
                default:
                    echo "未知的消息类别";
                    break;
            }
        }
        else//无法得到返回值
        {
            echo "无法得到返回值";
        }

    }

text()是负责处理文本的函数，是这次开发的重点，主体的结构参照了微信官方的例子，在其中进行了自定义，包括对特定信息的自动回复，比如这次实现了当收到“博客”的时候，自动返回博客信息，如果收到了其他信息，返回通用的自动回复信息。

代码如下：

public function text($postObj)//文本消息
    {
        $content = trim($postObj->Content);

        switch ($content)
        {
            case "博客":
                $info = new fetch();
                $result = $info->get();
                $contentStr = "我的博客\n《Coder成长之路》\n目前信息:\n";
                $contentStr .=$result[0]."\n";//访问
                $contentStr .=$result[1]."\n";//积分
                $contentStr .=$result[2]."\n";//排名
                $contentStr .=$result[3]."\n";//原创
                $contentStr .=$result[4]."\n";//转载
                $contentStr .=$result[5]."\n";//译文
                $contentStr .=$result[6]."\n";//评论
                $contentStr .= "欢迎访问我的博客\n http://t.cn/8kvGx7T \n";
                break;
            
            default:
                $contentStr = "欢迎使用我的公众号，目前只有 1 个功能\n其余功能正在开发当中，请谅解。\n1. 回复“博客”可以获得我的博客的实时信息。";
                break;
        }
        $fromUsername = $postObj->FromUserName;
        $toUsername = $postObj->ToUserName;
        $keyword = $content;
        $time = time();
        $textTpl = "<xml>
                        <ToUserName><![CDATA[%s]]></ToUserName>
                        <FromUserName><![CDATA[%s]]></FromUserName>
                        <CreateTime>%s</CreateTime>
                        <MsgType><![CDATA[%s]]></MsgType>
                        <Content><![CDATA[%s]]></Content>
                        <FuncFlag>0</FuncFlag>
                    </xml>";
        if(!empty( $keyword ))
        {
            $msgType = "text";
            $resultStr = sprintf($textTpl, $fromUsername, $toUsername, $time, $msgType, $contentStr);
            echo $resultStr;
        }
        else
        {
            echo "无法获取输入的信息";
        }
    }

主要的内容和之前的例子一样，如果有疑问可以看之前有中文注释的代码，如果还是有问题可以在下边评论。

地理位置信息还没有做，目前也还没有什么想法，原本想返回一个当地的地图，但是坑爹的微信公众平台不支持订阅号发送图片，只有服务号可以...坑……

或许可以返回一下周围的餐馆信息..

PHP抓取网页

SAE的类

对于网页抓取，SAE提供了一个类方便我们调用，虽然也支持curl，但是原文是这么说的...大家体会一下……

为了少收费..我还是乖乖用它的类吧。其实都挺简单的，就像这样

$page = new SaeFetchurl();

$content = $page->fetch(“http://blog.csdn.net/yuri_4_vera");

这样就能把整个网页抓下来了，如果这时候echo $content，会看到整个HTML代码以文本的形式输出。

正则表达式

抓到网页很简单..难的是怎么把访问量评论数什么的挑出来..我关注的部分在这里：

<ul id="blog_rank">

    <li>访问：<span>508次</span></li>

    <li>积分：<span>72分</span></li>

    <li>排名：<span>千里之外</span></li>

</ul>

<ul id="blog_statistics">

    <li>原创：<span>7篇</span></li>

    <li>转载：<span>0篇</span></li>

    <li>译文：<span>0篇</span></li>

    <li>评论：<span>0条</span></li>

</ul>

我最初想到的是字符串匹配...实在想不出简单的办法，于是想要利用之前Python写的正则表达式，但好像两个函数支持的不一样，总有些符号不太对，PHP的函数会报错，后来在网上搜索了很多资料，很难找到适合我的需求的，我想要从<ul>标签开始，直到</ul>标签结束，中间的所有标签都不要，只要里边的文本。

最后实在没办法，找了一些例子试了试，用了三个例子，改了改，这样实现了挑选：

1.找到所有匹配<li>标签的元素

2.去除“<span>”（包括</span>里的<span>）

3.去除“/”

代码变得略复杂..用了三次正则表达式，一次搜索两次替换

class fetch

{

    public function get()

    {

        $page = new SaeFetchurl();//SAE的抓取网页类

        $content = $page->fetch("http://blog.csdn.net/yuri_4_vera");

        

        if($page->errno() == 0)

        {

            $regex = ‘/<li>(.*?)<\/li>/si’;//第一次匹配的正则表达式，找出所有<li>和</li>内的部分

            if(preg_match_all($regex, $content,$result,PREG_PATTERN_ORDER))

            {

                for ( $i = 0; $i < 7; $i ++ )//对于每个部分分别进行操作

                {

                        $result[1][$i] = preg_replace("<[][^<span>]*>","", $result[1][$i]);//去除<span>部分

                        $result[1][$i] = preg_replace("<[][^/]*>","", $result[1][$i]);//去除”/”

                }

                return $result[1];

            }

        }

        else

            echo $page->errmsg();

    }

}

反思

正则表达式学不好耽误了很长时间...始终没法有效的挑出需要的片段并剔除不要的部分

这次使用了SVN工具，很方便的上传代码。

订阅号真的坑..只能发文本好吗……谁借我个服务号试试？哪怕一个月只能推送一条…我认了..