【整理】使用web api开发微信公众号,调用图灵机器人接口(二)

Jokercold 2015-03-23

此文将分两篇讲解,主要分为以下几步

  1. 签名校验;
  2. 首次提交验证申请;
  3. 接收消息;
  4. 被动响应消息(返回XML);
  5. 映射图灵消息及微信消息;

此篇为第二篇。

被动响应消息(返回XML)

上一篇中,我们已经可以拿到了微信传入的参数,接下来,我们需要响应消息给用户。

微信要求我们返回XML数据,且格式是规定好的,具体请看 微信公众平台开发者文档

响应的实体类,我们之前已经写好了,因为要求是XML格式。 我们在此使用微软提供的System.Xml.Serialization.XmlSerializer来将我们的数据序列化为XML。 所以我们在类上边标记了XmlRoot特性,在枚举的字段上边标记了XmlEnum特性,NewsMsg中在文章列表上标记了XmlArrayXmlArrayItem特性。而后反序列化出来的便是微信要求的格式了。

序列化方法如下:

public string ResponseXML(object value, Type type)
{
    StringWriter sw = new StringWriter();
    XmlSerializerNamespaces ns = new XmlSerializerNamespaces();

    ns.Add("", "");  //去除命名空间
    XmlSerializer serializer = new XmlSerializer(type);

    serializer.Serialize(sw, value, ns);

    return sw.ToString();
}

 注意:此处必须去除XML的命名空间,不然微信不识别

完整方法奉上:

public HttpResponseMessage Post()
{
    var requestContent = Request.Content.ReadAsStreamAsync().Result;
    //从正文参数中加载微信的请求参数
    XmlDocument xmlDoc = new XmlDocument();
    xmlDoc.Load(requestContent);

    logger.DebugFormat("WX请求XML内容:{0}", xmlDoc.InnerText);

    string msgTypeStr = xmlDoc.SelectSingleNode("xml/MsgType").InnerText;
    string userName = xmlDoc.SelectSingleNode("xml/FromUserName").InnerText;
    string efhName = xmlDoc.SelectSingleNode("xml/ToUserName").InnerText;

    string responseContent;
    MsgType msgType;

    //获取消息类型,若未定义,则返回。
    if (!Enum.TryParse(msgTypeStr, true, out msgType))
    {           
        responseContent = MsgService.Instance.ResponseXML(new TextMsg
            {
                FromUserName = efhName,
                MsgType = MsgType.Text,
                Content = "俺还小,不知道你在说啥子(⊙_⊙)?",
                CreateTime = UnixTimestamp.Now.ToNumeric(),
                ToUserName = userName
            }, typeof(TextMsg));

        return new HttpResponseMessage(HttpStatusCode.OK)
        {
            Content = new StringContent(responseContent, Encoding.UTF8, "application/xml"),
        };
    }

    if (msgType == MsgType.Event)
    {
        return ProcessEvent(xmlDoc, userName, efhName);
    }

    //图灵消息转换为微信响应消息,下一节奉上
    string content = xmlDoc.SelectSingleNode("xml/Content").InnerText;
    var requestResult = TuLingService.Instance.GetMsgFromResponse(content, userName, efhName);

    responseContent = MsgService.Instance.ResponseXML(requestResult.Data, requestResult.DataType);
    return new HttpResponseMessage(HttpStatusCode.OK)
    {
        Content = new StringContent(responseContent, Encoding.UTF8, "application/xml"),
    };
}

private HttpResponseMessage ProcessEvent(XmlDocument xmlDoc, string userName, string efhName)
{
    string eventValue = xmlDoc.SelectSingleNode("xml/Event").InnerText;

    var responseContent = MsgService.Instance.ResponseXML(new TextMsg
    {
        FromUserName = efhName,
        MsgType = MsgType.Text,
        Content = eventValue.ToLower().Equals("subscribe") ? "lei好哇~" : "大爷,奴家会想你的",//其实取消订阅是不会发送消息的
        CreateTime = UnixTimestamp.Now.ToNumeric(),
        ToUserName = userName
    }, typeof(TextMsg));

    return new HttpResponseMessage(HttpStatusCode.OK)
    {
        Content = new StringContent(responseContent, Encoding.UTF8, "application/xml"),
    };
}

 至此,我们已经完成了微信被动回复消息的响应。

映射图灵消息及微信消息

上边我们已经实现了被动回复消息的功能,接下来我们需要将图灵机器人接口与我们的公众平台关联起来。

分析图灵机器人返回的参数,我们发现所有类型的内容都有codetext参数。又因为我们需要将图灵的消息与微信的响应消息直接对应起来,因此我们定义接口,提供转换方法

public class TuLingResult
{
    //消息类型(我们在序列化为XML的时候需要提供类型)
    public Type DataType { get; set; }

    public object Data { get; set; }
}
public interface IResponse
{
    TuLingResult ToTuLingResult(string fromUserName, string toUserName);
}

 创建文本类数据的实体作为图灵消息的基类(对应微信的文本消息)

public class TextResult : IResponse
{
    public int Code { get; set; }

    public string Text { get; set; }

    public virtual TuLingResult ToTuLingResult(string fromUserName, string toUserName)
    {
        return new TuLingResult
        {
            DataType = typeof(TextMsg),
            Data = new TextMsg
             {
                 FromUserName = fromUserName,
                 ToUserName = toUserName,
                 Content = Text,
                 CreateTime = UnixTimestamp.Now.ToNumeric(),
                 MsgType = MsgType.Text
             }
        };
    }
}

 而后依次创建各种数据的实体类。

如:新闻(对应微信的图文消息)

public class NewsResult : TextResult
{
    public List<NewsInfo> List { get; set; }

    public override TuLingResult ToTuLingResult(string fromUserName, string toUserName)
    {
        if (List.Count > 10)
        {
            List = List.Take(10).ToList();
        }

        return new TuLingResult
        {
            DataType = typeof(NewsMsg),
            Data = new NewsMsg
            {
                FromUserName = fromUserName,
                ToUserName = toUserName,
                ArticleCount = List.Count,
                Articles = List.Select(m => new MsgNewsInfo
                {
                    Title = m.Article,
                    Description = m.Source,
                    Url = m.DetailUrl,
                    PicUrl = m.Icon
                }).ToList(),
                CreateTime = UnixTimestamp.Now.ToNumeric(),
                MsgType=MsgType.News
            }
        };
    }
}

public class NewsInfo
{
    /// <summary>
    /// 标题
    /// </summary>
    public string Article { get; set; }

    /// <summary>
    /// 来源
    /// </summary>
    public string Source { get; set; }

    /// <summary>
    /// 详情地址
    /// </summary>
    public string DetailUrl { get; set; }

    /// <summary>
    /// 图标地址
    /// </summary>
    public string Icon { get; set; }
}

 同理创建图灵机器人提供的各类数据实体类

我们想要支持的数据实体都定义完毕后,我们便可以开始请求图灵接口,获取真实的消息了,在此我们使用HttpClient实现。

private const string TULING_API_URL = "http://www.tuling123.com/openapi/api";
private const string TULING_API_KEY = "XXXXX";//图灵的APIKEY
public TuLingResult GetMsgFromResponse(string keyword, string userFlag, string efhName)
{
    string linkString = string.Format("{0}?key={1}&info={2}&userid={3}"
        , TULING_API_URL, TULING_API_KEY, keyword, userFlag);

    string content = string.Empty;
    using (HttpClient client = new HttpClient())
    {
        HttpResponseMessage response = client.GetAsync(linkString).Result;

        content = response.Content.ReadAsStringAsync().Result;
        logger.DebugFormat("图灵机器人响应:{0}", content);
    }
    return ConvertToMsg(content, userFlag, efhName);
}

 图灵返回了code标识消息的类型和错误信息,因此我们先将响应消息解析为TextResult,拿到图灵的类型。

先定义图灵类型枚举

public enum ResultType
{
    TL_FORMAT_DATA = 50000,
    TL_TEXT_DATA = 100000,
    TL_LINK_DATA = 200000,
    TL_NOVEL_DATA = 301000,
    TL_NEWS_DATA = 302000,
    TL_APP_DATA = 304000,
    TL_TRAIN_DATA = 305000,
    TL_AIRPORT_DATA = 306000,
    TL_TUAN_DATA = 307000,
    TL_TUWEN_DATA = 308000,
    TL_HOTEL_DATA = 309000,
    TL_LOTTERY_DATA = 310000,
    TL_PRICE_DATA = 311000,
    TL_RESTAURANT_DATA = 312000,

    TL_ERROR_LENGTH = 40001,
    TL_ERROR_EMPTY = 40002,
    TL_ERROR_INVALID = 40003,
    TL_ERROR_OUTLIMIT = 40004,
    TL_ERROR_NOTSUPPORT = 40005,
    TL_ERROR_SERVERUPDATE = 40006,
    TL_ERROR_SERVERERROR = 40007
}

 对应于图灵的返回码

100000  文本类数据
200000  网址类数据
301000  小说
302000  新闻
304000  应用、软件、下载
305000  列车
306000  航班
307000  团购
308000  优惠
309000  酒店
310000  彩票
311000  价格
312000  餐厅
40001   key的长度错误(32位)
40002   请求内容为空
40003   key错误或帐号未激活
40004   当天请求次数已用完
40005   暂不支持该功能
40006   服务器升级中
40007   服务器数据格式异常
50000   机器人设定的“学用户说话”或者“默认回答”

 而后拿到消息类型

private ResultType GetResultType(string response)
{
    var result = JsonConvert.DeserializeObject<TextResult>(response);

    return (ResultType)result.Code;
}

 之后,我们便可以按照不同类型返回相对应的TuLingResult。

public TuLingResult ConvertToMsg(string response, string userFlag, string efhName)
{
    IResponse result = null;

    var resultType = GetResultType(response);

    switch (resultType)
    {
        case ResultType.TL_TEXT_DATA:
            result = JsonConvert.DeserializeObject<TextResult>(response);
            break;

        case ResultType.TL_LINK_DATA:
            result = JsonConvert.DeserializeObject<LinkResult>(response);
            break;

        case ResultType.TL_NEWS_DATA:
            result = JsonConvert.DeserializeObject<NewsResult>(response);
            break;

        case ResultType.TL_TUWEN_DATA:
            result = JsonConvert.DeserializeObject<TuWenResult>(response);
            break;

        case ResultType.TL_TRAIN_DATA:
            result = JsonConvert.DeserializeObject<TrainResult>(response);
            break;

        case ResultType.TL_AIRPORT_DATA:
            result = JsonConvert.DeserializeObject<AirportResult>(response);
            break;

        case ResultType.TL_APP_DATA:
            result = JsonConvert.DeserializeObject<AppResult>(response);
            break;

        case ResultType.TL_HOTEL_DATA:
            result = JsonConvert.DeserializeObject<HotelResult>(response);
            break;

        case ResultType.TL_PRICE_DATA:
            result = JsonConvert.DeserializeObject<PriceResult>(response);
            break;

        case ResultType.TL_ERROR_LENGTH:
        case ResultType.TL_ERROR_INVALID:
        case ResultType.TL_ERROR_EMPTY:
        case ResultType.TL_ERROR_OUTLIMIT:
            result = new TextResult { Text = "您的输入有误" };
            break;

        case ResultType.TL_ERROR_SERVERERROR:
        case ResultType.TL_ERROR_SERVERUPDATE:
            result = new TextResult { Text = "服务器忙,暂时无法为您提供服务" };
            break;

        case ResultType.TL_ERROR_NOTSUPPORT:
            result = new TextResult { Text = "俺还小,您说的这个还得慢慢学习,以后再来试吧" };
            break;

        default:
            result = new TextResult { Text = "俺还小,不知道你在说啥子(⊙_⊙)?" };
            break;
    }

    return result.ToTuLingResult(efhName, userFlag);
}

 而后,我们便可以将我们拿到的TuLingResult中的Data序列化为微信需要的XML

var requestResult = TuLingService.Instance.GetMsgFromResponse(content, userName, efhName);

responseContent = MsgService.Instance.ResponseXML(requestResult.Data, requestResult.DataType);
return new HttpResponseMessage(HttpStatusCode.OK)
{
    Content = new StringContent(responseContent, Encoding.UTF8, "application/xml"),
};

 至此,我们的微信公众号调用图灵机器人接口就搞定了!


源码托管在csdn上,欢迎批评指正。 https://code.csdn.net/yanhuiqiang/efh-blog

原文链接:http://efenghuo.com/blog/2499.aspx

相关推荐