这次实现公众的基本功能：被关注回复、关键词回复、收到消息回复
image
# 订阅后的回复
@robot.subscribe
def subscribe():
return "***欢迎关注公众号[愉快][愉快][愉快]***\n" \
"***输入任意内容开始与我聊天！\n" \
"***输入'博客'关注我的博客!\n" \
"***输入'音乐'为小主送上舒缓的歌曲!\n"
# 关键字 博客 回复
@robot.filter('博客')
def blog(message):
reply = ArticlesReply(message=message)
article = Article(
title="Python数据分析实战",
description="我的个人博客",
img="https://werobot.readthedocs.io/zh_CN/latest/_static/qq.png",
url="https://www.jianshu.com/u/bdf11cce83a1"
)
reply.add_article(article)
return reply
# 收到消息回复
@robot.text
def replay(msg):
# print(msg.content)
# curtime = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(time.time()))
# response = get_response(msg.content)
# print(
# curtime + ' 公众号(机器人)' + ':' + response)
# return response
return "该功能有待处理，敬请期待"
@robot.subscribe：
订阅回复：即当用户订阅公众号时回复的内容
@robot.filter('博客')
关键字回复：即用户输入关键词时回复的内容
@robot.text
收到消息回复：当用户回复文字没有命中关键词时回复的内容
已知我们最常用的功能就是关键词回复，但是通过filter这种关键词回复：每添加一个关键词功能，就要添加一个对应的路由。
这种方式会导致我们的关键词路由函数过多，处理起来也不方便。
统一处理关键词回复
Python数据分析实战
我们可以通过收到消息回复，收到用户消息，回复文字内容，
先检测是不是关键词，如果是关键词则回复关键词内容，如果不是则回复对应其他内容。
# 文字智能回复
@robot.text
def replay(msg):
# 获取用户输入内容
user_text = msg.content
# 关键词词检测并回复
answer_text = get_code(user_text)
# 非关键词回复
if answer_text is None:
answer_text = response_text(user_text).text
return answer_text
接收的参数msg并不是用户的直接内容，通过msg.content获取用户输入内容
关键词检测和回复：
worlds_list = [
{
"key":["20191210", "公众号code" ],
"values":"https://github.com/silencesmile/gzh_code"
},
{
"key": ["wav音频", "wav", "python_wav"],
"values": "https://github.com/silencesmile/python_wav"
},
{
"key": ["图像识别", "AI", "ai", "人工智能"],
"values": "GitHub：https://github.com/silencesmile/TensorFlow-ResNet",
},
{
"key": ["pyecharts"],
"values": "https://github.com/silencesmile/pyecharts.git"
},
{
"key": ["一出好戏"],
"values": "https://github.com/silencesmile/movie_Analyst.git"
}
]
# 关键词检测并回复
def get_code(text):
for key_worlds in worlds_list:
key_list = key_worlds.get("key")
values = key_worlds.get("values")
if text in key_list:
return values
return None
这样就很好管理关键词的回复了，不需要定义多个关键词路由。
下期预告：
图片的接收以及如何回复处理后的图片
image
