代码仔的实验室_微信公众平台 & PHP抓取网页
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 = "
%s
0
";//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 = "
%s
0
";
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：
- 访问：508次
- 积分：72分
- 排名：千里之外
- 原创：7篇
- 转载：0篇
- 译文：0篇
- 评论：0条
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，我想要从标签开始，直到
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
2.去除“”（包括里的）
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)
{
$regex = ‘/(.*?)<\/li>/si’;//第一次匹配的正则表达式，找出所有 和 内的部分
if(preg_match_all($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("<[][^]*>","", $result[1][$i]);//去除部分
$result[1][$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..