二十六：微信公众帐号开发-应用实例之历史上的今天

╰+哭是因爲堅強的太久メ 2022-08-10 19:29 163阅读 0赞

**此篇文章为转载**

**内容概要**

本篇文章主要讲解如何在微信公众帐号上实现“历史上的今天”功能。这个例子本身并不复杂，但希望通过对它的学习，读者能够对正则表达式有一个新的认识，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**

回顾历史的长河，历史是生活的一面镜子；以史为鉴，可以知兴衰；历史上的每一天，都是喜忧参半；可以了解历史的这一天发生的事件，借古可以鉴今，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，提高人文素养。

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，网络上几乎没有现成的“历史上的今天”API可以使用，所以我们只能通过爬取、解析网页源代码的方式得到我们需要的数据。笔者发现网站[http://www.rijiben.com/][http_www.rijiben.com]上包含“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，我们需要清楚该应用实例的开发步骤，主要如下：

1）发起HTTP GET请求，获取网页源代码。

2）运用正则表达式从网页源代码中抽取我们需要的数据。

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”。实现代码如下：

**\[java\]** [view plain][] [copy][view plain]

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. 
12. /\*\*
13.  \* 历史上的今天查询服务
14.  \* 
15.  \* @author liufeng
16.  \* @date 2013-10-16
17.  \* 
18.  \*/
19. **public****class** TodayInHistoryService \{ 
20. 
21. /\*\*
22.  \* 发起http get请求获取网页源代码
23.  \* 
24.  \* @param requestUrl
25.  \* @return
26.  \*/
27. **private****static** String httpRequest(String requestUrl) \{ 
28.  StringBuffer buffer = **null**; 
29. 
30. **try** \{ 
31. // 建立连接
32.  URL url = **new** URL(requestUrl); 
33.  HttpURLConnection httpUrlConn = (HttpURLConnection) url.openConnection(); 
34.  httpUrlConn.setDoInput(**true**); 
35.  httpUrlConn.setRequestMethod("GET"); 
36. 
37. // 获取输入流
38.  InputStream inputStream = httpUrlConn.getInputStream(); 
39.  InputStreamReader inputStreamReader = **new** InputStreamReader(inputStream, "utf-8"); 
40.  BufferedReader bufferedReader = **new** BufferedReader(inputStreamReader); 
41. 
42. // 读取返回结果
43.  buffer = **new** StringBuffer(); 
44.  String str = **null**; 
45. **while** ((str = bufferedReader.readLine()) != **null**) \{ 
46.  buffer.append(str); 
47.  \} 
48. 
49. // 释放资源
50.  bufferedReader.close(); 
51.  inputStreamReader.close(); 
52.  inputStream.close(); 
53.  httpUrlConn.disconnect(); 
54.  \} **catch** (Exception e) \{ 
55.  e.printStackTrace(); 
56.  \} 
57. **return** buffer.toString(); 
58.  \} 
59. 
60. /\*\*
61.  \* 从html中抽取出历史上的今天信息
62.  \* 
63.  \* @param html
64.  \* @return
65.  \*/
66. **private****static** String extract(String html) \{ 
67.  StringBuffer buffer = **null**; 
68. // 日期标签：区分是昨天还是今天
69.  String dateTag = getMonthDay(0); 
70. 
71.  Pattern p = Pattern.compile("(.\*)(<div class=\\"listren\\">)(.\*?)(</div>)(.\*)"); 
72.  Matcher m = p.matcher(html); 
73. **if** (m.matches()) \{ 
74.  buffer = **new** StringBuffer(); 
75. **if** (m.group(3).contains(getMonthDay(-1))) 
76.  dateTag = getMonthDay(-1); 
77. 
78. // 拼装标题
79.  buffer.append("≡≡ ").append("历史上的").append(dateTag).append(" ≡≡").append("\\n\\n"); 
80. 
81. // 抽取需要的数据
82. **for** (String info : m.group(3).split(" ")) \{ 
83.  info = info.replace(dateTag, "").replace("（图）", "").replaceAll("</?\[^>\]+>", "").trim(); 
84. // 在每行末尾追加2个换行符
85. **if** (!"".equals(info)) \{ 
86.  buffer.append(info).append("\\n\\n"); 
87.  \} 
88.  \} 
89.  \} 
90. // 将buffer最后两个换行符移除并返回
91. **return** (**null** == buffer) ? **null** : buffer.substring(0, buffer.lastIndexOf("\\n\\n")); 
92.  \} 
93. 
94. /\*\*
95.  \* 获取前/后n天日期(M月d日)
96.  \* 
97.  \* @return
98.  \*/
99. **private****static** String getMonthDay(**int** diff) \{ 
100.  DateFormat df = **new** SimpleDateFormat("M月d日"); 
101.  Calendar c = Calendar.getInstance(); 
102.  c.add(Calendar.DAY\_OF\_YEAR, diff); 
103. **return** df.format(c.getTime()); 
104.  \} 
105. 
106. /\*\*
107.  \* 封装历史上的今天查询方法，供外部调用
108.  \* 
109.  \* @return
110.  \*/
111. **public****static** String getTodayInHistoryInfo() \{ 
112. // 获取网页源代码
113.  String html = httpRequest("http://www.rijiben.com/"); 
114. // 从网页中抽取信息
115.  String result = extract(html); 
116. 
117. **return** result; 
118.  \} 
119. 
120. /\*\*
121.  \* 通过main在本地测试
122.  \* 
123.  \* @param args
124.  \*/
125. **public****static****void** main(String\[\] args) \{ 
126.  String info = getTodayInHistoryInfo(); 
127.  System.out.println(info); 
128.  \} 
129. \}

**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的网页源代码。

2）66-92行代码是extract()方法，运用正则表达式从网页源代码中抽取“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测试。

5）75-76行代码的作用是判断获取到的“历史上的今天”数据是当天的还是前一天的（因为不能保证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判断）。

6）第71行代码是本文的重点，笔者编写的正则表达式规则是“(.\*)(<div class=\\"listren\\">)(.\*?)(</div>)(.\*)”。正则表达式规则需要根据网页源代码进行编写的，特别是包含“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代码。通过httpRequest("http://www.rijiben.com/")方法获取到的网页源代码，与我们通过浏览器访问http://www.rijiben.com/页面再点击右键选择“查看网页源代码”所得到的结果完全一致。我们通过浏览器查看http://www.rijiben.com/的网页源代码，然后找到“历史上的今天”数据所在位置，如下图所示：

![Center][]

从上面的源代码截图中可以看到，我们需要的数据被包含在<div class="listren">标签内，这样就不难理解为什么正则表达式要这样写：

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

我们使用括号()将正则表达式规则分成了5组，下面是这些分组的说明：

第1组：(.\*)表示网页源代码中<div class="listren">标签之前还有任意多个字符。  
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>之间的所有内容，这才是我们真正需要的数据所在。  
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>标签之后还有任意多的字符。

掌握了正则表达式规则的含义，就不难理解为什么在extract()方法中全都是在使用m.group(3)，因为m.group(3)就表示匹配到数据的第3个分组。m.group(3)的内容如下：

**\[html\]** [view plain][] [copy][view plain]

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 勃列日涅夫取代赫鲁晓夫 成为苏共中央第一书记"**>**1964年10月16日 勃列日涅夫取代赫鲁晓夫 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****>**

可以看到， 通过正则表达式抽取得到的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**

**\[java\]** [view plain][] [copy][view plain]

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());

对于公众帐号的消息回复在[本系列教程的第5篇][5]已经讲的很详细了，所以在这里笔者只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：

![Center 1][]

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，这种做法也是有弊端的，当网页改版源代码结构发生变化时，就需要重新改写数据抽取代码。没有做不到，只有想不到！

如果觉得文章对你有所帮助，请通过留言或关注微信公众帐号xiaoqrobot来支持柳峰！

谢谢柳峰老师：转载地址：[http://blog.csdn.net/lyq8479/article/details/12785115][http_blog.csdn.net_lyq8479_article_details_12785115]

[http_www.rijiben.com]: http://www.rijiben.com/
[view plain]: http://blog.csdn.net/lyq8479/article/details/12785115#
[Center]: /images/20220810/b91e35f8ca66490a99de53ff0ee40a97.png
[5]: http://blog.csdn.net/lyq8479/article/details/8952173
[Center 1]: /images/20220810/610cc35b27a249018dedfcbc0c872ef5.png
[http_blog.csdn.net_lyq8479_article_details_12785115]: http://blog.csdn.net/lyq8479/article/details/12785115