基于 Flask 及爬虫实现微信娱乐机器人 实现笑话爬虫并自动回复

概述基于 Flask 及爬虫实现微信娱乐机器人 实现笑话爬虫并自动回复

一、课程介绍

目前，我们的微信公众号只支持文本接收和倒序回复，略单调。本节课将糗百网站的笑话爬取过来，自动回复给用户。因此本节首先需要实现一个爬虫，并把爬取的数据按照上一节实现的方式回复给用户。

二、实现爬虫

我们选择爬取的目标是糗事百科的纯文本内容，地址为 糗事百科-纯文，下面这个是这个链接的纯文内容页面，一页共20条记录，注意中间会有一段广告:

糗事百科-纯文

然后呢，放上对应的爬虫代码，这里用到的库是 lxml，lxml 是解析 XML 的库。XML 和 HTML 是极其类似的，所以这样是可以用。

代码中的实现原理比较简单，从 URL 获取页面内容，使用 lxml 的 etree 提取页面信息，详细步骤可以见代码注释:

import requestsfrom random import randintfrom lxml import etreer = requests.get(url)tree = etree.HTML(r.text)contentList = tree.xpath('//div[contains(@ID, "qiushi_tag_")]')#匹配div的标签，如果ID中含有'qiushi_tag_'，则存入List列表中，最后返回【从该页的HTML中能拿到包含20个结果的List列表】jokes = []#最后存储结果的列表for i in contentList:#这个for循环呢，就是从每个含有笑话的代码块，提出我们需要的笑话的具体内容    content = i.xpath('div[@]/text()')    #因为content和number得到的是List列表，只含有一个元素的List列表，join提出，明白了吧    contentstring = ''.join(content)    #然后就是去掉两端的换行符，就得到了我们需要的笑话内容了    contentstring = contentstring.strip('\n')    jokes.append(contentstring)    #最后插入到jokes列表中，就得到了我们需要的笑话集合return jokes[randint(0,len(jokes))]

#最后呢返回jokes的其中一条内容，返回就可以了

爬虫抓取笑话的整个过程，就是这些，现在可以准备回复微信消息了。

回复消息的方法请参考上一节的实现内容。

三、可运行的代码

附上本节可运行代码 wechat.py，一起运行试试，运行不成功，检查错误报告，查看是否未安装需要的库。

实验楼的环境中需要安装下面的库后才可以运行:

$ sudo apt-get install python-lxml$ sudo pip install flask

详细的代码如下:

import requestsfrom random import randintfrom lxml import etreefrom flask import Flask, request, make_responseimport hashlibapp = Flask(__name__)@app.route('/shiyanlou')def hello():    return "Python Say: Hello Shiyanlou"@app.route('/',methods=['GET','POST'])def wechat_auth():    if request.method == 'GET':        print 'coming Get'        data = request.args        token = '*******************'        signature = data.get('signature','')        timestamp = data.get('timestamp','')        nonce = data.get('nonce','')        echostr = data.get('echostr','')        s = [timestamp,nonce,token]        s.sort()        s = ''.join(s)        if (hashlib.sha1(s).hexdigest() == signature):            return make_response(echostr)    if request.method == 'POST':        xml_str = request.stream.read()        xml = ET.fromstring(xml_str)        toUsername=xml.find('ToUsername').text        fromUsername = xml.find('FromUsername').text        createTime = xml.find('CreateTime').text        msgType = xml.find('MsgType').text        if msgType != 'text':            reply = '''            <xml>            <ToUsername><![cdaTA[%s]]></ToUsername>            <FromUsername><![cdaTA[%s]]></FromUsername>            <CreateTime>%s</CreateTime>            <MsgType><![cdaTA[%s]]></MsgType>            <Content><![cdaTA[%s]]></Content>            </xml>            ''' % (                fromUsername,                 toUsername,                 createTime,                 'text',                 'UnkNow Format, Please check out'                )            return reply        content = xml.find('Content').text        msgid = xml.find('Msgid').text        if u'笑话' in content:            r = requests.get(url)            tree = etree.HTML(r.text)            contentList = tree.xpath('//div[contains(@ID, "qiushi_tag_")]')            jokes = []            for i in contentList:                content = i.xpath('div[@]/text()')                contentstring = ''.join(content)                contentstring = contentstring.strip('\n')                jokes.append(contentstring)            joke =  jokes[randint(0,len(jokes))]            reply = '''                    <xml>                    <ToUsername><![cdaTA[%s]]></ToUsername>                    <FromUsername><![cdaTA[%s]]></FromUsername>                    <CreateTime>%s</CreateTime>                    <MsgType><![cdaTA[%s]]></MsgType>                    <Content><![cdaTA[%s]]></Content>                    </xml>                    ''' % (fromUsername, toUsername, createTime, msgType, joke)            return reply        else:            if type(content).__name__ == "unicode":                content = content[::-1]                content = content.encode('UTF-8')            elif type(content).__name__ == "str":                print type(content).__name__                content = content.decode('utf-8')                content = content[::-1]            reply = '''                    <xml>                    <ToUsername><![cdaTA[%s]]></ToUsername>                    <FromUsername><![cdaTA[%s]]></FromUsername>                    <CreateTime>%s</CreateTime>                    <MsgType><![cdaTA[%s]]></MsgType>                    <Content><![cdaTA[%s]]></Content>                    </xml>                    ''' % (fromUsername, content)            return replyif __name__ == "__main__":    app.run(host='0.0.0.0', port=8080)

微信公众平台的开发，已经完成

程序在实验楼中的运行截图:

shiyanlou-run

对话效果截图:

笑话，哈~哈~哈

四、总结

本次实验课，主要是对微信公众平台进行一个简单开发，并添上了逆序回复和回复笑话等功能。涉及到的知识点有 Python、flask，爬虫等知识点，较难的有第一节的服务通信、第二节的编码，第三节的正则匹配爬虫。

一个完整的项目，难得不仅仅是深度，更是广度 --Hello World

这节课只是打了个地基，房子怎么盖还是看自己的爱好，可以发挥你的想象力扩展出更有趣的功能。

总结

以上是内存溢出为你收集整理的基于 Flask 及爬虫实现微信娱乐机器人 实现笑话爬虫并自动回复全部内容，希望文章能够帮你解决基于 Flask 及爬虫实现微信娱乐机器人 实现笑话爬虫并自动回复所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。