百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

微信上其实还有很多你不知道的事,Python微信平台开发编写实录

itomcoil 2024-12-13 14:02 32 浏览

本文主要讲述如何利用Python开发微信公众平台。

说明:如果你是Python小白,爬虫小白,觉得本节课程的代码晦涩难懂。没关系,不需要懂,按照步骤一步步操作就可以了。这一节我们主要是搭框架,几乎没有真正的爬虫代码。这些代码和操作,你可能一生也就只用这一次。下一节,我们再讲述怎么在这个框架上扩展我们的爬虫程序。

当然小编这里也准备一份适合你的学习资料爬虫 ,web开发的学习资料视频教程,私信小编“01”都可以免费获取!


需要的操作:

  • 微信公众账号的申请。
  • 微信接口的获取,SAE的设置等。
  • 简单的Python爬虫代码编写

需掌握的知识点:

  • 了解微信公众号与云计算平台之间的连接关系。明确其运行机制。
  • 了解web.py的概念,wsgi的机制。
  • 了解简单的python爬虫知识,json解析,API调用,urllib库函数。

自动回复实现原理

首先了解一下,到底是什么样的机制能实现微信的自动回复功能呢?(不是微信系统的自动回复)原理就是微信平台将用户输入的文字发送到云平台上,然后云平台上运行的程序捕捉到这一文字信息,就return一个结果,然后云平台再将该结果返回至微信平台。最后微信平台将返回的结果展现给用户。用一张图表示一下:

微信开发者模式与SAE的设置

这一节我尽量讲的细致一些,如果仍有不清楚的,可以私信我。

首先需要两大平台支持:

  • 微信公众平台;这个申请比较简单。只要有邮箱就可以免费申请个人版的订阅号。不再赘述。
  • 云计算平台;我这里使用的SAE(新浪的去年本来就不收费,坑爹,今年开始收费了,单纯代码托管最低一天1毛),也可以用腾讯云。

具体步骤:

微信公众号的申请。

只要有邮箱就可以免费申请个人版的订阅号。不再赘述。

SAE的申请及设置

注册登录SAE之后,选用SAE

创建新项目,SAE暂时只支持Python2.7,Python3暂时用不了。

如果项目比较小,建议填写SVN,因为可以在线编辑。如果项目比较大,就Git吧。这里选用SVN。

创建第一个版本

可以开始编辑啦~

编写config.yaml和index.wsgi文件。

WSGI是PythonWeb服务器网关接口(Python Web Server Gateway Interface)。我们使用的是web.py框架。同类型比较强大的框架有Django,Flask等。为什么选用web.py呢,是因为它是轻量级的,而且有着良好的xml解析功能。插句题外话,web.py的开发者AaronH. Swartz是个十足的天才,可惜英年早逝。有个关于他的一部纪录片,推荐看一下:互联网之子。

好了,言归正传,我们首先编写config.yaml

name: pifuhandashu 
version: 1 
libraries: 
- name: webpy  
 version: "0.36" 
- name: lxml 
 version: "2.3.4" 
... 

这里我们引入了web.py框架以及lxml模块,接着我们编写index.wsgi文件。

# coding: utf-8 
import os 
import sae 
import web 
from weixinInterface import WeixinInterface 
urls = ('/weixin','WeixinInterface') 
app_root = os.path.dirname(__file__) 
templates_root = os.path.join(app_root, 'templates') 
render = web.template.render(templates_root) 
app = web.application(urls, globals()).wsgifunc()  
application = sae.create_wsgi_app(app) 

这里就是简单的python利用web.py网页开发的知识了。设置了根目录,模板目录,/weixin的路由,开启应用。

为了使页面显得更整洁,我们再新建了一个py文件weixinInterface.py(weixinInterface.py和index.wsgi在同一级目录,见后面的截图)。

  • 编辑weixinInterface.py,大小写一定要看清啊,不然很容易出错。注意自己填写一个专属的token,这个等会微信公众号设置里面有用到。
# -*- coding: utf-8 -*- 
import hashlib 
import web 
import lxml 
import time 
import os 
import urllib2,json 
from lxml import etree 
class WeixinInterface: 
 def __init__(self): 
 self.app_root = os.path.dirname(__file__) 
 self.templates_root = os.path.join(self.app_root, 'templates') 
 self.render = web.template.render(self.templates_root) 
 def GET(self): 
 #获取输入参数 
 data = web.input() 
 signature = data.signature 
 timestamp = data.timestamp 
 nonce = data.nonce 
 echostr = data.echostr 
 #自己的token 
 token = "XXXXXXXXXXX" #注意:填写之后在微信公众平台里输入的token!!! 
 #字典序排序 
 list = [token, timestamp, nonce] 
 list.sort() 
 sha1 = hashlib.sha1() 
 map(sha1.update,list) 
 hashcode = sha1.hexdigest() 
 #sha1加密算法  
 #如果是来自微信的请求,则回复echostr 
 if hashcode == signature: 
 return echostr 

代码大致讲解一下,def __init__(self)是告诉我们模板文件的加载位置。 def GET(self)是应微信公众平台的要求,进行的token验证。这里的验证采用的是哈希算法。具体可参考微信官方的接口接入说明:微信公众平台接入指南。里面有个php示例。本文采用的是python实现。

微信开发者模式设置

基本设置

修改配置

URL一定要认真填写,仔细核对。

比如查看url应用信息:

token填写刚才新浪SAE里面填写的token,一定要一致。EncodingAESKey可以随机生成。填完之后点击提交。如果提示“提交成功”。恭喜你,最关键的一步已经完成了。这个阶段可能要折腾蛮长时间。完成之后,一定要启用开发者模式!!!!切记!!!

微信机器人实现

上一步完成之后,我们就可以做一些有趣的事情:微信机器人。不过在此之前,还要完成一小步:模板的创建。由于微信开发是采用的xml的形式。为了先实现文本形式自动回复(后面可以实现回复音频,图文信息等形式),首先新建模板文件夹templates,然后在templates文件夹下创建reply_text.xml文件(文件放置位置见后面的截图)。根据微信消息被动回复所示,填入以下代码:

$def with (toUser,fromUser,createTime,content) 
<xml> 
<ToUserName><![CDATA[$toUser]]></ToUserName> 
<FromUserName><![CDATA[$fromUser]]></FromUserName> 
<CreateTime>$createTime</CreateTime> 
<MsgType><![CDATA[text]]></MsgType> 
<Content>$content</Content> 
</xml> 

然后,在weixinInterface.py里的def GET(self)后面编写POST函数。该函数用来获取用户的ID,发送的消息类型,发送的时间等。判断用户发送的消息类型,如果是纯文本类型,if mstype == 'text',那么可以进行下一步操作。

def POST(self): 
 str_xml = web.data() #获得post来的数据 
 xml = etree.fromstring(str_xml)#进行XML解析 
 mstype = xml.find("MsgType").text#消息类型 
 fromUser = xml.find("FromUserName").text 
 toUser = xml.find("ToUserName").text 

为了实现微信机器人,我们需要实现自动回复的内容。这里有两种方式。

  • 爬取网上的机器人回复的内容,比如找不到小黄鸡的接口,我就自己爬虫爬取它的回复结果。
  • 调用自动能够回复的机器人API。

这里我选用第二种方法,采用的是图灵机器人的API。这种方法方便快捷,一般不会被墙。但是自由度不高,可拓展性差。

注册图灵机器人账号,注意是采用图灵的网页api,而不是授权。获取图灵机器人回复的key。几行代码就可以搞定微信机器人自动回复啦~

源码展示

index.wsgi源码

# coding: utf-8 
import os 
import sae 
import web 
from weixinInterface import WeixinInterface 
urls = ( 
'/weixin','WeixinInterface', 
) 
app_root = os.path.dirname(__file__) 
templates_root = os.path.join(app_root, 'templates') 
render = web.template.render(templates_root) 
app = web.application(urls, globals()).wsgifunc()  
application = sae.create_wsgi_app(app) 

config.yaml源码

name: myzhihu 
version: 1 
libraries: 
- name: webpy  
 version: "0.36" 
- name: lxml 
 version: "2.3.4" 
... 

templates下的reply_text.xml源码

$def with (toUser,fromUser,createTime,content) 
<xml> 
<ToUserName><![CDATA[$toUser]]></ToUserName> 
<FromUserName><![CDATA[$fromUser]]></FromUserName> 
<CreateTime>$createTime</CreateTime> 
<MsgType><![CDATA[text]]></MsgType> 
<Content>$content</Content> 
</xml> 

weixinInterface.py源码

# -*- coding: utf-8 -*- 
import hashlib 
import web 
import lxml 
import time 
import os 
import json 
import urllib 
from lxml import etree 
class WeixinInterface: 
 def __init__(self): 
 self.app_root = os.path.dirname(__file__) 
 self.templates_root = os.path.join(self.app_root, 'templates') 
 self.render = web.template.render(self.templates_root) 
 def GET(self): 
 #获取输入参数 
 data = web.input() 
 signature=data.signature 
 timestamp=data.timestamp 
 nonce=data.nonce 
 echostr=data.echostr 
 #自己的token 
 token="################" #这里填写在微信公众平台里输入的token 
 #字典序排序 
 list=[token,timestamp,nonce] 
 list.sort() 
 sha1=hashlib.sha1() 
 map(sha1.update,list) 
 hashcode=sha1.hexdigest() 
 #sha1加密算法  
 #如果是来自微信的请求,则回复echostr 
 if hashcode == signature: 
 return echostr 
  
 def POST(self): 
 str_xml = web.data() #获得post来的数据 
 xml = etree.fromstring(str_xml)#进行XML解析 
 mstype = xml.find("MsgType").text 
 fromUser = xml.find("FromUserName").text 
 toUser = xml.find("ToUserName").text 
  
 if mstype == 'text': 
 content = xml.find("Content").text#获得用户所输入的内容 
 key = '#####################' ###图灵机器人的key  
 api = 'http://www.tuling123.com/openapi/api?key=' + key + '&info='  
 info = content.encode('UTF-8')  
 url = api + info  
 page = urllib.urlopen(url)  
 html = page.read()  
 dic_json = json.loads(html)  
 reply_content = dic_json['text'] 
 return self.render.reply_text(fromUser,toUser,int(time.time()),reply_content) 

尾记

本次教程实现了利用Python开发微信公众平台,能够自动回复用户输入的文字。包括了微信公众平台的设置,SAE的设置,相关代码的编写等。

相关推荐

Python Qt GUI设计:将UI文件转换Python文件三种妙招(基础篇—2)

在开始本文之前提醒各位朋友,Python记得安装PyQt5库文件,Python语言功能很强,但是Python自带的GUI开发库Tkinter功能很弱,难以开发出专业的GUI。好在Python语言的开放...

Connect 2.0来了,还有Nuke和Maya新集成

ftrackConnect2.0现在可以下载了--重新设计的桌面应用程序,使用户能够将ftrackStudio与创意应用程序集成,发布资产等。这个新版本的发布中还有两个Nuke和Maya新集成,...

Magicgui:不会GUI编程也能轻松构建Python GUI应用

什么是MagicguiMagicgui是一个Python库,它允许开发者仅凭简单的类型注解就能快速构建图形用户界面(GUI)应用程序。这个库基于Napari项目,利用了Python的强大类型系统,使得...

Python入坑系列:桌面GUI开发之Pyside6

阅读本章之后,你可以掌握这些内容:Pyside6的SignalsandSlots、Envents的作用,如何使用?PySide6的Window、DialogsandAlerts、Widgets...

Python入坑系列-一起认识Pyside6 designer可拖拽桌面GUI

通过本文章,你可以了解一下内容:如何安装和使用Pyside6designerdesigner有哪些的特性通过designer如何转成python代码以前以为Pyside6designer需要在下载...

pyside2的基础界面(pyside2显示图片)

今天我们来学习pyside2的基础界面没有安装过pyside2的小伙伴可以看主页代码效果...

Python GUI开发:打包PySide2应用(python 打包pyc)

之前的文章我们介绍了怎么使用PySide2来开发一个简单PythonGUI应用。这次我们来将上次完成的代码打包。我们使用pyinstaller。注意,pyinstaller默认会将所有安装的pack...

使用PySide2做窗体,到底是怎么个事?看这个能不能搞懂

PySide2是Qt框架的Python绑定,允许你使用Python创建功能强大的跨平台GUI应用程序。PySide2的基本使用方法:安装PySide2pipinstallPy...

pycharm中conda解释器无法配置(pycharm安装的解释器不能用)

之前用的好好的pycharm正常配置解释器突然不能用了?可以显示有这个环境然后确认后可以conda正在配置解释器,但是进度条结束后还是不成功!!试过了pycharm重启,pycharm重装,anaco...

Conda使用指南:从基础操作到Llama-Factory大模型微调环境搭建

Conda虚拟环境在Linux下的全面使用指南:从基础操作到Llama-Factory大模型微调环境搭建在当今的AI开发与数据分析领域,conda虚拟环境已成为Linux系统下管理项目依赖的标配工具。...

Python操作系统资源管理与监控(python调用资源管理器)

在现代计算环境中,对操作系统资源的有效管理和监控是确保应用程序性能和系统稳定性的关键。Python凭借其丰富的标准库和第三方扩展,提供了强大的工具来实现这一目标。本文将探讨Python在操作系统资源管...

本地部署开源版Manus+DeepSeek创建自己的AI智能体

1、下载安装Anaconda,设置conda环境变量,并使用conda创建python3.12虚拟环境。2、从OpenManus仓库下载代码,并安装需要的依赖。3、使用Ollama加载本地DeepSe...

一文教会你,搭建AI模型训练与微调环境,包学会的!

一、硬件要求显卡配置:需要Nvidia显卡,至少配备8G显存,且专用显存与共享显存之和需大于20G。二、环境搭建步骤1.设置文件存储路径非系统盘存储:建议将非安装版的环境文件均存放在非系统盘(如E盘...

使用scikit-learn为PyTorch 模型进行超参数网格搜索

scikit-learn是Python中最好的机器学习库,而PyTorch又为我们构建模型提供了方便的操作,能否将它们的优点整合起来呢?在本文中,我们将介绍如何使用scikit-learn中的网格搜...

如何Keras自动编码器给极端罕见事件分类

全文共7940字,预计学习时长30分钟或更长本文将以一家造纸厂的生产为例,介绍如何使用自动编码器构建罕见事件分类器。现实生活中罕见事件的数据集:背景1.什么是极端罕见事件?在罕见事件问题中,数据集是...