摘要：上篇文章，我們把自己的程序接入了微信公眾號，并且能把用戶發送的文本及圖片文件原樣返回。微信的機制，我們的程序必須在內給出響應。上篇微信公眾號開發小白篇一

上篇文章，我們把自己的程序接入了微信公眾號，并且能把用戶發送的文本及圖片文件原樣返回。今天我們把用戶的圖片通過騰訊的AI平臺分析后再返回給用戶。

為了防止我的文章被到處轉載，貼一下我的公眾號【智能制造社區】，歡迎大家關注。

github倉庫地址https://github.com/injetlee/Python/tree/master/wechat

我們先看一下官方人臉檢測與分析接口的描述：

檢測給定圖片（Image）中的所有人臉（Face）的位置和相應的面部屬性。位置包括（x, y, w, h），面部屬性包括性別（gender）, 年齡（age）, 表情（expression）, 魅力（beauty）, 眼鏡（glass）和姿態（pitch，roll，yaw）。

請求參數包括下面幾個：

app_id 應用標識，我們在AI平臺注冊后就可以得到app_id

time_stamp 時間戳

nonce_str 隨機字符串

sign 簽名信息，需要我們自己去計算

image 需要檢測的圖片（上限1M）

mode 檢測模式

官方給了我們接口鑒權的計算方法。

將請求參數對按key進行字典升序排序，得到有序的參數對列表N

將列表N中的參數對按URL鍵值對的格式拼接成字符串，得到字符串T（如：key1=value1&key2=value2），URL鍵值拼接過程value部分需要URL編碼，URL編碼算法用大寫字母，例如%E8，而不是小寫%e8

將應用密鑰以app_key為鍵名，組成URL鍵值拼接到字符串T末尾，得到字符串S（如：key1=value1&key2=value2&app_key=密鑰)

對字符串S進行MD5運算，將得到的MD5值所有字符轉換成大寫，得到接口請求簽名

請求接口信息，我們用 requests 發送請求，會得到返回的 json 格式的圖像信息pip install requests安裝requests。

處理返回的信息，把信息展示在圖片上，再把處理后的圖片保存。這里我們用到 opencv ,和 pillow 兩個庫pip install pillow和pip install opencv-python來安裝。

開始編寫代碼，我們新建一個face_id.py 文件來對接AI平臺，并且返回檢測后的圖像數據。

import time
import random
import base64
import hashlib
import requests
from urllib.parse import urlencode
import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFont
import os


# 一.計算接口鑒權，構造請求參數

def random_str():
    """得到隨機字符串nonce_str"""
    str = "abcdefghijklmnopqrstuvwxyz"
    r = ""
    for i in range(15):
        index = random.randint(0,25)
        r += str[index]
    return r


def image(name):
    with open(name, "rb") as f:
        content = f.read()
    return base64.b64encode(content)


def get_params(img):
    """組織接口請求的參數形式，并且計算sign接口鑒權信息，
    最終返回接口請求所需要的參數字典"""
    params = {
        "app_id": "1106860829",
        "time_stamp": str(int(time.time())),
        "nonce_str": random_str(),
        "image": img,
        "mode": "0"

    }

    sort_dict = sorted(params.items(), key=lambda item: item[0], reverse=False)  # 排序
    sort_dict.append(("app_key", "P8Gt8nxi6k8vLKbS"))  # 添加app_key
    rawtext = urlencode(sort_dict).encode()  # URL編碼
    sha = hashlib.md5()
    sha.update(rawtext)
    md5text = sha.hexdigest().upper()  # 計算出sign，接口鑒權
    params["sign"] = md5text  # 添加到請求參數列表中
    return params

# 二.請求接口URL


def access_api(img):
    frame = cv2.imread(img)
    nparry_encode = cv2.imencode(".jpg", frame)[1]
    data_encode = np.array(nparry_encode)
    img_encode = base64.b64encode(data_encode)  # 圖片轉為base64編碼格式
    url = "https://api.ai.qq.com/fcgi-bin/face/face_detectface"
    res = requests.post(url, get_params(img_encode)).json()  # 請求URL,得到json信息
    # 把信息顯示到圖片上
    if res["ret"] == 0:  # 0代表請求成功
        pil_img = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))  # 把opencv格式轉換為PIL格式，方便寫漢字
        draw = ImageDraw.Draw(pil_img)
        for obj in res["data"]["face_list"]:
            img_width = res["data"]["image_width"]  # 圖像寬度
            img_height = res["data"]["image_height"]  # 圖像高度
            # print(obj)
            x = obj["x"]  # 人臉框左上角x坐標
            y = obj["y"]  # 人臉框左上角y坐標
            w = obj["width"]  # 人臉框寬度
            h = obj["height"]  # 人臉框高度
            # 根據返回的值，自定義一下顯示的文字內容
            if obj["glass"] == 1:  # 眼鏡
                glass = "有"
            else:
                glass = "無"
            if obj["gender"] >= 70:  # 性別值從0-100表示從女性到男性
                gender = "男"
            elif 50 <= obj["gender"] < 70:
                gender = "娘"
            elif obj["gender"] < 30:
                gender = "女"
            else:
                gender = "女漢子"
            if 90 < obj["expression"] <= 100:  # 表情從0-100，表示笑的程度
                expression = "一笑傾城"
            elif 80 < obj["expression"] <= 90:
                expression = "心花怒放"
            elif 70 < obj["expression"] <= 80:
                expression = "興高采烈"
            elif 60 < obj["expression"] <= 70:
                expression = "眉開眼笑"
            elif 50 < obj["expression"] <= 60:
                expression = "喜上眉梢"
            elif 40 < obj["expression"] <= 50:
                expression = "喜氣洋洋"
            elif 30 < obj["expression"] <= 40:
                expression = "笑逐顏開"
            elif 20 < obj["expression"] <= 30:
                expression = "似笑非笑"
            elif 10 < obj["expression"] <= 20:
                expression = "半嗔半喜"
            elif 0 <= obj["expression"] <= 10:
                expression = "黯然傷神"
            delt = h // 5  # 確定文字垂直距離
            # 寫入圖片
            if len(res["data"]["face_list"]) > 1:  # 檢測到多個人臉，就把信息寫入人臉框內
                font = ImageFont.truetype("yahei.ttf", w // 8, encoding="utf-8")  # 提前把字體文件下載好
                draw.text((x + 10, y + 10), "性別 :" + gender, (76, 176, 80), font=font)
                draw.text((x + 10, y + 10 + delt * 1), "年齡 :" + str(obj["age"]), (76, 176, 80), font=font)
                draw.text((x + 10, y + 10 + delt * 2), "表情 :" + expression, (76, 176, 80), font=font)
                draw.text((x + 10, y + 10 + delt * 3), "魅力 :" + str(obj["beauty"]), (76, 176, 80), font=font)
                draw.text((x + 10, y + 10 + delt * 4), "眼鏡 :" + glass, (76, 176, 80), font=font)
            elif img_width - x - w < 170:  # 避免圖片太窄，導致文字顯示不完全
                font = ImageFont.truetype("yahei.ttf", w // 8, encoding="utf-8")
                draw.text((x + 10, y + 10), "性別 :" + gender, (76, 176, 80), font=font)
                draw.text((x + 10, y + 10 + delt * 1), "年齡 :" + str(obj["age"]), (76, 176, 80), font=font)
                draw.text((x + 10, y + 10 + delt * 2), "表情 :" + expression, (76, 176, 80), font=font)
                draw.text((x + 10, y + 10 + delt * 3), "魅力 :" + str(obj["beauty"]), (76, 176, 80), font=font)
                draw.text((x + 10, y + 10 + delt * 4), "眼鏡 :" + glass, (76, 176, 80), font=font)
            else:
                font = ImageFont.truetype("yahei.ttf", 20, encoding="utf-8")
                draw.text((x + w + 10, y + 10), "性別 :" + gender, (76, 176, 80), font=font)
                draw.text((x + w + 10, y + 10 + delt * 1), "年齡 :" + str(obj["age"]), (76, 176, 80), font=font)
                draw.text((x + w + 10, y + 10 + delt * 2), "表情 :" + expression, (76, 176, 80), font=font)
                draw.text((x + w + 10, y + 10 + delt * 3), "魅力 :" + str(obj["beauty"]), (76, 176, 80), font=font)
                draw.text((x + w + 10, y + 10 + delt * 4), "眼鏡 :" + glass, (76, 176, 80), font=font)

            draw.rectangle((x, y, x + w, y + h), outline="#4CB050")  # 畫出人臉方框
            cv2img = cv2.cvtColor(np.array(pil_img), cv2.COLOR_RGB2BGR)  # 把 pil 格式轉換為 cv
            cv2.imwrite("faces/{}".format(os.path.basename(img)), cv2img)  # 保存圖片到 face 文件夾下
            return "檢測成功"
    else:
        return "檢測失敗"

到這里我們的人臉檢測接口接入及圖片處理就完成了。之后在收到用戶發送的圖片信息后，調用這個函數，把處理后的圖片返回給用戶就可以。

當收到用戶圖片時，需要以下幾個步驟：

當接收到用戶圖片后，我們要先把圖片保存起來，之后才能去調用人臉分析接口，把圖片信息傳遞過去，我們需要編寫一個 img_download 函數來下載圖片。詳見下方代碼

圖片下載后，調用 face_id.py 文件里的接口函數，得到處理后的圖片。

檢測結果是一張新的圖片，要把圖片發送給用戶我們需要一個 Media_ID,要獲取Media_ID必須先把圖片上傳為臨時素材，所以這里我們需要一個img_upload函數來上傳圖片，并且在上傳時需要用到一個access_token,我們通過一個函數來獲取. 獲取access_token必須要把我們自己的IP地址加入白名單，否則是獲取不到的。請登錄“微信公眾平臺-開發-基本配置”提前將服務器IP地址添加到IP白名單中，可以在http://ip.qq.com/查看本機的IP...

開始編寫代碼，我們新建一個 utils.py 來下載、上傳圖片

import requests
import json
import threading
import time
import os

token = ""
app_id = "wxfc6adcdd7593a712"
secret = "429d85da0244792be19e0deb29615128"


def img_download(url, name):
    r = requests.get(url)
    with open("images/{}-{}.jpg".format(name, time.strftime("%Y_%m_%d%H_%M_%S", time.localtime())), "wb") as fd:
        fd.write(r.content)
    if os.path.getsize(fd.name) >= 1048576:
        return "large"
    # print("namename", os.path.basename(fd.name))
    return os.path.basename(fd.name)


def get_access_token(appid, secret):
    """獲取access_token,100分鐘刷新一次"""

    url = "https://api.weixin.qq.com/cgi-bin/token?grant_type=client_credential&appid={}&secret={}".format(appid, secret)
    r = requests.get(url)
    parse_json = json.loads(r.text)
    global token
    token = parse_json["access_token"]
    global timer
    timer = threading.Timer(6000, get_access_token)
    timer.start()


def img_upload(mediaType, name):
    global token
    url = "https://api.weixin.qq.com/cgi-bin/media/upload?access_token=%s&type=%s" % (token, mediaType)
    files = {"media": open("{}".format(name), "rb")}
    r = requests.post(url, files=files)
    parse_json = json.loads(r.text)
    return parse_json["media_id"]

get_access_token(app_id, secret)

我們簡單修改下收到圖片后的邏輯，收到圖片后經過人臉檢測，上傳獲得Media_ID,我們要做的就是把圖片返回給用戶即可。直接看connect.py的代碼

import falcon
from falcon import uri
from wechatpy.utils import check_signature
from wechatpy.exceptions import InvalidSignatureException
from wechatpy import parse_message
from wechatpy.replies import TextReply, ImageReply

from utils import img_download, img_upload
from face_id import access_api


class Connect(object):

    def on_get(self, req, resp):
        query_string = req.query_string
        query_list = query_string.split("&")
        b = {}
        for i in query_list:
            b[i.split("=")[0]] = i.split("=")[1]

        try:
            check_signature(token="lengxiao", signature=b["signature"], timestamp=b["timestamp"], nonce=b["nonce"])
            resp.body = (b["echostr"])
        except InvalidSignatureException:
            pass
        resp.status = falcon.HTTP_200

    def on_post(self, req, resp):
        xml = req.stream.read()
        msg = parse_message(xml)
        if msg.type == "text":
            reply = TextReply(content=msg.content, message=msg)
            xml = reply.render()
            resp.body = (xml)
            resp.status = falcon.HTTP_200
        elif msg.type == "image":
            name = img_download(msg.image, msg.source)  # 下載圖片
            r = access_api("images/" + name)
            if r == "檢測成功":
                media_id = img_upload("image", "faces/" + name)  # 上傳圖片，得到 media_id
                reply = ImageReply(media_id=media_id, message=msg)
            else:
                reply = TextReply(content="人臉檢測失敗，請上傳1M以下人臉清晰的照片", message=msg)
            xml = reply.render()
            resp.body = (xml)
            resp.status = falcon.HTTP_200

app = falcon.API()
connect = Connect()
app.add_route("/connect", connect)

至此我們的工作就做完了，我們的公眾號可以進行顏值檢測了。本來我打算用在自己公眾號上的，但是還存在下面幾個問題，所以沒有使用。

微信的機制，我們的程序必須在5s內給出響應。不然就會報"公眾號提供的服務出現故障"。然而處理圖片有時會比較慢，經常會超過5s。所以正確的處理方式應該是拿到用戶的請求后立即返回一個空字符串表示我們收到了，之后多帶帶創建一個線程去處理圖片，當圖片處理完后通過客服接口發送給用戶。可惜的是未認證的公眾號沒有客服接口，所以沒辦法，超過5s就會報錯。

無法自定義菜單，一旦啟用了自定義開發，菜單也需要自定義配置，但是未認證的公眾號沒有權限通過程序來配置菜單，只能在微信后臺配置。

所以，我并沒有在我的公眾號上啟用這個程序，但是如果有認證的公眾號，可以嘗試開發各種好玩的功能。

上篇：Python微信公眾號開發—小白篇(一)