[040] 微信公众帐号开发教程第16篇-应用实例之历史上的今天

内容概要

本篇文章主要解说怎样在微信公众帐号上实现“历史上的今天”功能。这个样例本身并不复杂，但希望通过对它的学习，读者能够对正則表達式有一个新的认识，能够学会运用现有的网络资源丰富自己的公众账号。

何谓历史上的今天

回忆历史的长河，历史是生活的一面镜子；以史为鉴，能够知兴衰；历史上的每一天，都是喜忧參半；能够了解历史的这一天发生的事件，借古能够鉴今，历史是不能忘记的。查看历史上每天发生的重大事情，增长知识，开拓眼界，提高人文素质。

寻找接口（数据源）

要实现查询“历史上的今天”，首先我们要找到相关数据源。笔者经过搜索发现，网络上差点儿沒有现成的“历史上的今天”API能够使用，所以我们仅仅能通过爬取、解析网页源码的方式得到我们须要的数据。笔者发现站点http://www.rijiben.com/上包括“历史上的今天”功能，就用它做数据源了。

开发步骤

为了便于读者理解，我们须要清晰该应用实例的开发步骤，主要例如以下：

1）发起HTTP GET请求，获取网页源码。

2）运用正則表達式从网页源码中抽取我们须要的数据。

3）对抽取得到的数据进行加工（使内容呈现更加美观）。

4）将以上三步进行封装，供外部调用。

5）在公众账号后台调用封装好的“历史上的今天”查询方法。

代码实现

笔者将上述步骤1）、2）、3）中的代码实现封装成了TodayInHistoryService类，并对外提供了getTodayInHistory()方法来获取“历史上的今天”。实现代码例如以下：

1. import java.io.BufferedReader;  
2. import java.io.InputStream;  
3. import java.io.InputStreamReader;  
4. import java.net.HttpURLConnection;  
5. import java.net.URL;  
6. import java.text.DateFormat;  
7. import java.text.SimpleDateFormat;  
8. import java.util.Calendar;  
9. import java.util.regex.Matcher;  
10. import java.util.regex.Pattern;  
11.  * 历史上的今天查询服务 
12.  * @author liufeng 
13.  * @date 2013-10-16 
14. public class TodayInHistoryService {  
15.      * 发起http get请求获取网页源码 
16.      * @param requestUrl 
17.      * @return 
18.     private static String httpRequest(String requestUrl) {  
19.         StringBuffer buffer = null;  
20.             // 建立连接  
21.             URL url = new URL(requestUrl);  
22.             HttpURLConnection httpUrlConn = (HttpURLConnection) url.openConnection();  
23.             httpUrlConn.setDoInput(true);  
24.             httpUrlConn.setRequestMethod("GET");  
25.             // 获取输入流  
26.             InputStream inputStream = httpUrlConn.getInputStream();  
27.             InputStreamReader inputStreamReader = new InputStreamReader(inputStream, "utf-8");  
28.             BufferedReader bufferedReader = new BufferedReader(inputStreamReader);  
29.             // 读取返回结果  
30.             buffer = new StringBuffer();  
31.             String str = null;  
32.             while ((str = bufferedReader.readLine()) != null) {  
33.                 buffer.append(str);  
34.             // 释放资源  
35.             bufferedReader.close();  
36.             inputStreamReader.close();  
37.             inputStream.close();  
38.             httpUrlConn.disconnect();  
39.         } catch (Exception e) {  
40.             e.printStackTrace();  
41.         return buffer.toString();  
42.      * 从html中抽取出历史上的今天信息 
43.      * @param html 
44.      * @return 
45.     private static String extract(String html) {  
46.         StringBuffer buffer = null;  
47.         // 日期标签：区分是昨天还是今天  
48.         String dateTag = getMonthDay(0);  
49.         Pattern p = Pattern.compile("(.*)(<div class=\"listren\">)(.*?)(</div>)(.*)");  
50.         Matcher m = p.matcher(html);  
51.         if (m.matches()) {  
52.             buffer = new StringBuffer();  
53.             if (m.group(3).contains(getMonthDay(-1)))  
54.                 dateTag = getMonthDay(-1);  
55.             // 拼装标题  
56.             buffer.append("≡≡ ").append("历史上的").append(dateTag).append(" ≡≡").append("\n\n");  
57.             // 抽取须要的数据  
58.             for (String info : m.group(3).split("  ")) {  
59.                 info = info.replace(dateTag, "").replace("（图）", "").replaceAll("</?[^>]+>", "").trim();  
60.                 // 在每行末尾追加2个换行符  
61.                 if (!"".equals(info)) {  
62.                     buffer.append(info).append("\n\n");  
63.         // 将buffer最后两个换行符移除并返回  
64.         return (null == buffer) ? null : buffer.substring(0, buffer.lastIndexOf("\n\n"));  
65.      * 获取前/后n天日期(M月d日) 
66.      * @return 
67.     private static String getMonthDay(int diff) {  
68.         DateFormat df = new SimpleDateFormat("M月d日");  
69.         Calendar c = Calendar.getInstance();  
70.         c.add(Calendar.DAY_OF_YEAR, diff);  
71.         return df.format(c.getTime());  
72.      * 封装历史上的今天查询方法，供外部调用 
73.      * @return 
74.     public static String getTodayInHistoryInfo() {  
75.         // 获取网页源码  
76.         String html = httpRequest("http://www.rijiben.com/");  
77.         // 从网页中抽取信息  
78.         String result = extract(html);  
79.         return result;  
80.      * 通过main在本地測试 
81.      * @param args 
82.     public static void main(String[] args) {  
83.         String info = getTodayInHistoryInfo();  
84.         System.out.println(info);  

import java.io.BufferedReader;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;
import java.text.DateFormat;
import java.text.SimpleDateFormat;
import java.util.Calendar;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * 历史上的今天查询服务
 * 
 * @author liufeng
 * @date 2013-10-16
 * 
 */
public class TodayInHistoryService {

	/**
	 * 发起http get请求获取网页源码
	 * 
	 * @param requestUrl
	 * @return
	 */
	private static String httpRequest(String requestUrl) {
		StringBuffer buffer = null;

		try {
			// 建立连接
			URL url = new URL(requestUrl);
			HttpURLConnection httpUrlConn = (HttpURLConnection) url.openConnection();
			httpUrlConn.setDoInput(true);
			httpUrlConn.setRequestMethod("GET");

			// 获取输入流
			InputStream inputStream = httpUrlConn.getInputStream();
			InputStreamReader inputStreamReader = new InputStreamReader(inputStream, "utf-8");
			BufferedReader bufferedReader = new BufferedReader(inputStreamReader);

			// 读取返回结果
			buffer = new StringBuffer();
			String str = null;
			while ((str = bufferedReader.readLine()) != null) {
				buffer.append(str);
			}

			// 释放资源
			bufferedReader.close();
			inputStreamReader.close();
			inputStream.close();
			httpUrlConn.disconnect();
		} catch (Exception e) {
			e.printStackTrace();
		}
		return buffer.toString();
	}

	/**
	 * 从html中抽取出历史上的今天信息
	 * 
	 * @param html
	 * @return
	 */
	private static String extract(String html) {
		StringBuffer buffer = null;
		// 日期标签：区分是昨天还是今天
		String dateTag = getMonthDay(0);

		Pattern p = Pattern.compile("(.*)(<div class=\"listren\">)(.*?)(</div>)(.*)");
		Matcher m = p.matcher(html);
		if (m.matches()) {
			buffer = new StringBuffer();
			if (m.group(3).contains(getMonthDay(-1)))
				dateTag = getMonthDay(-1);

			// 拼装标题
			buffer.append("≡≡ ").append("历史上的").append(dateTag).append(" ≡≡").append("\n\n");

			// 抽取须要的数据
			for (String info : m.group(3).split("  ")) {
				info = info.replace(dateTag, "").replace("（图）", "").replaceAll("</?[^>]+>", "").trim();
				// 在每行末尾追加2个换行符
				if (!"".equals(info)) {
					buffer.append(info).append("\n\n");
				}
			}
		}
		// 将buffer最后两个换行符移除并返回
		return (null == buffer) ? null : buffer.substring(0, buffer.lastIndexOf("\n\n"));
	}

	/**
	 * 获取前/后n天日期(M月d日)
	 * 
	 * @return
	 */
	private static String getMonthDay(int diff) {
		DateFormat df = new SimpleDateFormat("M月d日");
		Calendar c = Calendar.getInstance();
		c.add(Calendar.DAY_OF_YEAR, diff);
		return df.format(c.getTime());
	}

	/**
	 * 封装历史上的今天查询方法，供外部调用
	 * 
	 * @return
	 */
	public static String getTodayInHistoryInfo() {
		// 获取网页源码
		String html = httpRequest("http://www.rijiben.com/");
		// 从网页中抽取信息
		String result = extract(html);

		return result;
	}

	/**
	 * 通过main在本地測试
	 * 
	 * @param args
	 */
	public static void main(String[] args) {
		String info = getTodayInHistoryInfo();
		System.out.println(info);
	}
}

代码解读：

1）27-58行代码是httpRequest()方法，用于发起http get请求，获取指定url的网页源码。

2）66-92行代码是extract()方法，运用正則表達式从网页源码中抽取“历史上的今天”数据。

3）111-118行代码是getTodayInHistory()方法，封装给外部调用查询“历史上的今天”。

4）125-128行代码是main方法，用于在本地的开发工具中測试。

5）75-76行代码的作用是推断获取到的“历史上的今天”数据是当天的还是前一天的（由于不能保证www.rijiben.com上的数据一定在凌晨零点准时更新，所以为了保证数据的准确性必须做此推断）。

6）第71行代码是本文的重点，笔者编写的正則表達式规则是“(.*)(<div class=\"listren\">)(.*?)(</div>)(.*)”。正則表達式规则须要依据网页源码进行编写的，特别是包括“历史上的今天”数据的那部分HTML标签，所以我们先来查看网页源码。通过httpRequest("http://www.rijiben.com/")方法获取到的网页源码，与我们通过浏览器訪问http://www.rijiben.com/页面再点击右键选择“查看网页源码”所得到的结果全然一致。我们通过浏览器查看http://www.rijiben.com/的网页源码，然后找到“历史上的今天”数据所在位置，例如以下图所看到的：

 

 

从上面的源码截图中能够看到，我们须要的数据被包括在<div class="listren">标签内，这样就不难理解为什么正則表達式要这样写：

(.*)(<div class=\"listren\">)(.*?)(</div>)(.*)

我们使用括号()将正則表達式规则分成了5组，以下是这些分组的说明：

第1组：(.*)表示网页源码中<div class="listren">标签之前还有随意多个字符。
第2组：(<div class=\"listren\">)中的反斜杠表示转义，所以该规则就是用于匹配<div class="listren">。
第3组：(.*?)表示在标签<div class="listren">和</div>之间的全部内容，这才是我们真正须要的数据所在。
第4组：(</div>)就是用于匹配<div class="listren">的结束标签。
第5组：(.*)表示在</div>标签之后还有随意多的字符。

掌握了正則表達式规则的含义，就不难理解为什么在extract()方法中全都是在使用m.group(3)，由于m.group(3)就表示匹配到数据的第3个分组。m.group(3)的内容例如以下：

1. <ul>                      <li><a href="/news6836/" title="0690年10月16日 武则天登上皇位">0690年10月16日 武则天登上皇位</a>  （图）</li>                      <li><a href="/news6837/" title="1854年10月16日 唯美主义运动的倡导者王尔德诞辰">1854年10月16日 唯美主义运动的倡导者王尔德诞辰</a>  </li>                      <li><a href="/news6838/" title="1854年10月16日 德国社会主义活动家考茨基诞生">1854年10月16日 德国社会主义活动家考茨基诞生</a>  </li>                      <li><a href="/news6839/" title="1908年10月16日 阿尔巴尼亚领导人恩维尔·霍查诞辰">1908年10月16日 阿尔巴尼亚领导人恩维尔·霍查诞辰</a>  （图）</li>                      <li><a href="/news6840/" title="1913年10月16日 中国“两弹一星”元勋钱三强诞辰">1913年10月16日 中国“两弹一星”元勋钱三强诞辰</a>  （图）</li>                      <li><a href="/news6841/" title="1922年10月16日 开滦煤矿工人罢工失败">1922年10月16日 开滦煤矿工人罢工失败</a>  （图）</li>                      <li><a href="/news6842/" title="1927年10月16日 德国诺贝尔文学奖得主格拉斯诞生">1927年10月16日 德国诺贝尔文学奖得主格拉斯诞生</a>  （图）</li>                      <li><a href="/news6843/" title="1933年10月16日 抗日同盟军失败">1933年10月16日 抗日同盟军失败</a>  （图）</li>                      <li><a href="/news6844/" title="1950年10月16日 人民解放军进军西藏">1950年10月16日 人民解放军进军西藏</a>  （图）</li>                      <li><a href="/news6845/" title="1954年10月16日 俞平伯《关于红楼梦研究问题的信》发表">1954年10月16日 俞平伯《关于红楼梦研究问题的信》发表</a>  （图）</li>                      <li><a href="/news6846/" title="1959年10月16日 美军将领、国务卿马歇尔去世">1959年10月16日 美军将领、国务卿马歇尔去世</a>  （图）</li>                      <li><a href="/news6847/" title="1964年10月16日 勃列日涅夫代替赫鲁晓夫  成为苏共中央第一书记">1964年10月16日 勃列日涅夫代替赫鲁晓夫  成为苏共中央第一书记</a>  </li>                      <li><a href="/news6848/" title="1964年10月16日 我国第一颗原子弹爆炸成功">1964年10月16日 我国第一颗原子弹爆炸成功</a>  （图）</li>                      <li><a href="/news6849/" title="1973年10月16日 震撼世界的石油危机爆发">1973年10月16日 震撼世界的石油危机爆发</a>  （图）</li>                      <li><a href="/news6850/" title="1978年10月16日 约翰·保罗二世当选新教皇">1978年10月16日 约翰·保罗二世当选新教皇</a>  </li>                      <li><a href="/news6851/" title="1979年10月16日 哈克将军宣布巴基斯坦推迟大选解散政党">1979年10月16日 哈克将军宣布巴基斯坦推迟大选解散政党</a>  </li>                      <li><a href="/news6852/" title="1984年10月16日 图图主教荣获“诺贝尔和平奖”">1984年10月16日 图图主教荣获“诺贝尔和平奖”</a>  </li>                      <li><a href="/news6853/" title="1988年10月16日 北京正负电子对撞机对撞成功">1988年10月16日 北京正负电子对撞机对撞成功</a>  （图）</li>                      <li><a href="/news6854/" title="1991年10月16日 美国小镇枪杀案22人丧生">1991年10月16日 美国小镇枪杀案22人丧生</a>  </li>                      <li><a href="/news6855/" title="1991年10月16日 莫扎特死因有新说">1991年10月16日 莫扎特死因有新说</a>  </li>                      <li><a href="/news6856/" title="1991年10月16日 钱学森获“国家杰出贡献科学家”殊荣">1991年10月16日 钱学森获“国家杰出贡献科学家”殊荣</a>  （图）</li>                      <li><a href="/news6857/" title="1994年10月16日 德国总理科尔四连任">1994年10月16日 德国总理科尔四连任</a>  </li>                      <li><a href="/news6858/" title="1994年10月16日 第十二届广岛亚运会闭幕">1994年10月16日 第十二届广岛亚运会闭幕</a>  </li>                      <li><a href="/news6859/" title="1994年10月16日 修秦陵制秦俑工匠墓葬被发现">1994年10月16日 修秦陵制秦俑工匠墓葬被发现</a>  </li>                      <li><a href="/news6860/" title="1995年10月16日 美国百万黑人男子大游行">1995年10月16日 美国百万黑人男子大游行</a>  （图）</li>                    </ul>         

          <ul>                      <li><a href="/news6836/" title="0690年10月16日 武则天登上皇位">0690年10月16日 武则天登上皇位</a>  （图）</li>                      <li><a href="/news6837/" title="1854年10月16日 唯美主义运动的倡导者王尔德诞辰">1854年10月16日 唯美主义运动的倡导者王尔德诞辰</a>  </li>                      <li><a href="/news6838/" title="1854年10月16日 德国社会主义活动家考茨基诞生">1854年10月16日 德国社会主义活动家考茨基诞生</a>  </li>                      <li><a href="/news6839/" title="1908年10月16日 阿尔巴尼亚领导人恩维尔·霍查诞辰">1908年10月16日 阿尔巴尼亚领导人恩维尔·霍查诞辰</a>  （图）</li>                      <li><a href="/news6840/" title="1913年10月16日 中国“两弹一星”元勋钱三强诞辰">1913年10月16日 中国“两弹一星”元勋钱三强诞辰</a>  （图）</li>                      <li><a href="/news6841/" title="1922年10月16日 开滦煤矿工人罢工失败">1922年10月16日 开滦煤矿工人罢工失败</a>  （图）</li>                      <li><a href="/news6842/" title="1927年10月16日 德国诺贝尔文学奖得主格拉斯诞生">1927年10月16日 德国诺贝尔文学奖得主格拉斯诞生</a>  （图）</li>                      <li><a href="/news6843/" title="1933年10月16日 抗日同盟军失败">1933年10月16日 抗日同盟军失败</a>  （图）</li>                      <li><a href="/news6844/" title="1950年10月16日 人民解放军进军西藏">1950年10月16日 人民解放军进军西藏</a>  （图）</li>                      <li><a href="/news6845/" title="1954年10月16日 俞平伯《关于红楼梦研究问题的信》发表">1954年10月16日 俞平伯《关于红楼梦研究问题的信》发表</a>  （图）</li>                      <li><a href="/news6846/" title="1959年10月16日 美军将领、国务卿马歇尔去世">1959年10月16日 美军将领、国务卿马歇尔去世</a>  （图）</li>                      <li><a href="/news6847/" title="1964年10月16日 勃列日涅夫代替赫鲁晓夫  成为苏共中央第一书记">1964年10月16日 勃列日涅夫代替赫鲁晓夫  成为苏共中央第一书记</a>  </li>                      <li><a href="/news6848/" title="1964年10月16日 我国第一颗原子弹爆炸成功">1964年10月16日 我国第一颗原子弹爆炸成功</a>  （图）</li>                      <li><a href="/news6849/" title="1973年10月16日 震撼世界的石油危机爆发">1973年10月16日 震撼世界的石油危机爆发</a>  （图）</li>                      <li><a href="/news6850/" title="1978年10月16日 约翰·保罗二世当选新教皇">1978年10月16日 约翰·保罗二世当选新教皇</a>  </li>                      <li><a href="/news6851/" title="1979年10月16日 哈克将军宣布巴基斯坦推迟大选解散政党">1979年10月16日 哈克将军宣布巴基斯坦推迟大选解散政党</a>  </li>                      <li><a href="/news6852/" title="1984年10月16日 图图主教荣获“诺贝尔和平奖”">1984年10月16日 图图主教荣获“诺贝尔和平奖”</a>  </li>                      <li><a href="/news6853/" title="1988年10月16日 北京正负电子对撞机对撞成功">1988年10月16日 北京正负电子对撞机对撞成功</a>  （图）</li>                      <li><a href="/news6854/" title="1991年10月16日 美国小镇枪杀案22人丧生">1991年10月16日 美国小镇枪杀案22人丧生</a>  </li>                      <li><a href="/news6855/" title="1991年10月16日 莫扎特死因有新说">1991年10月16日 莫扎特死因有新说</a>  </li>                      <li><a href="/news6856/" title="1991年10月16日 钱学森获“国家杰出贡献科学家”殊荣">1991年10月16日 钱学森获“国家杰出贡献科学家”殊荣</a>  （图）</li>                      <li><a href="/news6857/" title="1994年10月16日 德国总理科尔四连任">1994年10月16日 德国总理科尔四连任</a>  </li>                      <li><a href="/news6858/" title="1994年10月16日 第十二届广岛亚运会闭幕">1994年10月16日 第十二届广岛亚运会闭幕</a>  </li>                      <li><a href="/news6859/" title="1994年10月16日 修秦陵制秦俑工匠墓葬被发现">1994年10月16日 修秦陵制秦俑工匠墓葬被发现</a>  </li>                      <li><a href="/news6860/" title="1995年10月16日 美国百万黑人男子大游行">1995年10月16日 美国百万黑人男子大游行</a>  （图）</li>                    </ul>       

能够看到，通过正則表達式抽取得到的m.group(3)中仍然有大量的html标签、空格、换行、无关字符等。我们要想办法把它们全部过滤掉，第83行代码的作用正是如此。

组装文本消息

1. // 组装文本消息（历史上的今天）  
2. TextMessage textMessage = new TextMessage();  
3. textMessage.setToUserName(fromUserName);  
4. textMessage.setFromUserName(toUserName);  
5. textMessage.setCreateTime(new Date().getTime());  
6. textMessage.setMsgType(WeixinUtil.RESP_MESSAGE_TYPE_TEXT);  
7. textMessage.setFuncFlag(0);  
8. textMessage.setContent(TodayInHistoryService.getTodayInHistoryInfo());  

// 组装文本消息（历史上的今天）
TextMessage textMessage = new TextMessage();
textMessage.setToUserName(fromUserName);
textMessage.setFromUserName(toUserName);
textMessage.setCreateTime(new Date().getTime());
textMessage.setMsgType(WeixinUtil.RESP_MESSAGE_TYPE_TEXT);
textMessage.setFuncFlag(0);
textMessage.setContent(TodayInHistoryService.getTodayInHistoryInfo());

对于公众帐号的消息回复在本系列教程的第5篇已经讲的非常具体了，所以在这里笔者仅仅是简单的组装了文本消息。最后，我们来看一下在微信公众帐号上的演示效果：

 

 

说明：与其说这是一篇关于公众帐号应用开发的教程，倒不如说这是一篇关于网页数据爬取的教程。本文旨在为读者开辟思路，介绍一种数据获取方式。当然，这样的做法也是有弊端的，当网页改版源码结构发生变化时，就须要又一次改写数据抽代替码。沒有做不到，唯独想不到！

假设认为文章对你有所帮助，请通过留言或关注微信公众帐号xiaoqrobot来支持柳峰！

转帖请注明本文出自柳峰的博客（http://blog.csdn.net/lyq8479），请尊重他人的辛勤劳动成果，谢谢！