使用 PHP 编写的云湖信息获取 API 开发历程

使用 PHP 编写的从云湖网页获取用户、群聊、机器人详细信息的 API。

开发背景

云湖的很多设计都是半成品，比如很难查询自己的注册时间、在加群/机器人之前无法查询群/机器人信息等问题。

为了方便查询这些信息，于是开发此 API。

开发过程

云湖的网页（https://www.yhchat.com/[type]/homepage/[id]）采用了 nuxt 开发，返回的 html 内容中直接包含了数据：

V1

于是第一版的 API 直接开发出来：直接通过 cURL 请求指定链接，通过特征判断该 ID 是否存在，然后使用正则表达式直接提取相应内容。

虽然使用正则表达式麻烦了一点，但是用还是能用的。

然后，我就发现这返回的数据里还有变量！

还记得 window.__NUXT__=(function(a,b,c,d)里的 a,b,c,d 吗？那玩意是变量，在后面的数据中会调用！

当时没有其他办法，只能使用一些奇淫技巧来避开这些变量（具体用了什么方法自行翻 V1 分支的源码，包括但不限于从 html 标签而非 script 中提取、反向判断、放弃此参数不要了等等）。

V2

仔细观察 script 部分返回的内容，前面是 window.__NUXT__=(function(a,b,c,d)，定义了变量 a,b,c,d，中间是数据部分，而后面的 ("",1,"内测用户",null));不正好对应了前面的变量吗？

况且，注意到中间的数据部分非常像 JSON，那直接把中间部分提取出来，然后把变量还原回去不就行了吗？

但没想到，想着简单，做起来却是一波三折。

下面给出每个部分的代码和详解。

匹配script 部分

这个简单，直接使用正则表达式 /<script>window\.__NUXT__=\((.*?)\);<\/script>/匹配即可。

输出如下：

function(a,b,c,d){return {layout:"default",data:[{user:{userId:"7058262",nickname:"Feng(工作中)",avatarUrl:"https:\u002F\u002Fchat-img.jwznb.com\u002Fe226fa4154933773e780b612834e2ea9.gif",registerTime:1639627226,registerTimeText:"2021-12-16 12:00:26",onLineDay:922,continuousOnLineDay:9,medals:[{id:b,name:c,desc:c,imageUrl:a,sort:100},{id:4,name:"1000用户",desc:a,imageUrl:a,sort:300},{id:5,name:"10000用户",desc:a,imageUrl:a,sort:400}],isVip:b}}],fetch:{},error:d,state:{app:{isMobile:"222222"},user:{token:a,name:a,avatar:a,welcome:a,roles:[],info:{}}},serverRendered:true,routePath:"\u002Fuser\u002Fhomepage\u002F7058262",config:{_app:{basePath:"\u002F",assetsPath:"\u002F_nuxt\u002F",cdnURL:d}}}}("",1,"内测用户",null)

匹配变量名

观察到变量名是夹在 function(和 ){return {中间的，使用 ,分割，于是使用 /function\((.*?)\)/匹配并按 ,分割为数组。

输出如下：

a,b,c,d

Array
(
    [0] => a
    [1] => b
    [2] => c
    [3] => d
)

匹配变量值

同理，观察到变量值是夹在 }}(和 )中间的，使用 ,分割，于是使用 /}}\((.*?)\)/匹配并按 ,分割为数组。

输出如下：

"",1,"内测用户",null

Array
(
    [0] => ""
    [1] => 1
    [2] => "内测用户"
    [3] => null
)

匹配主体信息

主体信息是夹在 user:（这里的 user要根据目标类型替换成 group或 bot和 }],fetch:{}中间的，于是使用 /user:(.*?)}],fetch/匹配即可。

输出如下：

{userId:"7058262",nickname:"Feng(工作中)",avatarUrl:"https:\u002F\u002Fchat-img.jwznb.com\u002Fe226fa4154933773e780b612834e2ea9.gif",registerTime:1639627226,registerTimeText:"2021-12-16 12:00:26",onLineDay:922,continuousOnLineDay:9,medals:[{id:b,name:c,desc:c,imageUrl:a,sort:100},{id:4,name:"1000用户",desc:a,imageUrl:a,sort:300},{id:5,name:"10000用户",desc:a,imageUrl:a,sort:400}],isVip:b}

还原 UTF-8 编码

观察到返回的信息中 URL都是使用 UTF-8 编码的，如 https:\u002F\u002Fchat-img.jwznb.com\u，这里就需要还原。

下面的代码是由 AI 给的。

$info = preg_replace_callback('/\\\\u([0-9a-fA-F]{4})/', function ($matches) {
    return mb_convert_encoding(pack('H*', $matches[1]), 'UTF-8', 'UCS-2BE');
}, $content[1]);

还原变量

下面的代码基本上也是 AI 给的😂

2024.11.25 更新：

之前的代码有单个字母a,b,c,d被当成键名被替换的问题，更新之后的代码：

foreach ($params as $key => $value) {
    // 替换时，使用 JSON 编码的值，防止误匹配
    $value = json_encode(trim($value, '"'));
    $info = preg_replace('/\b' . preg_quote($key, '/') . '\b(?=[:,}])/', $value, $info);
}

之前的代码：

// 创建关联数组
$params = array_combine($param_names, $param_values);
// 全词匹配
foreach ($params as $key => $value) {
    $info = preg_replace('/\b' . preg_quote($key, '/') . '\b/', $value, $info);
}

输出如下：

{userId:"7058262",nickname:"Feng(工作中)",avatarUrl:"https://chat-img.jwznb.com/e226fa4154933773e780b612834e2ea9.gif",registerTime:1639627226,registerTimeText:"2021-12-16 12:00:26",onLineDay:922,continuousOnLineDay:9,medals:[{id:1,name:"内测用户",desc:"内测用户",imageUrl:"",sort:100},{id:4,name:"1000用户",desc:"",imageUrl:"",sort:300},{id:5,name:"10000用户",desc:"",imageUrl:"",sort:400}],isVip:1}

修复 JSON 键值

这个时候我非常激动，这不就是个 JSON 吗！直接解析！不出意外，失败了。我看了很久，才发现它并不是标准的 JSON 合适，键值没有引号。

我和 Copilot, GPT-3.5 等 AI 说了很久，试了无数正则表达式，但是不管怎么样不是处理不好时间中的冒号，就是处理不好 URL 中的冒号。

比如：

$info = preg_replace_callback('/([a-zA-Z0-9_]+):/', function ($matches) {
    return '"' . $matches[1] . '":';
}, $info);

输出为：

{"userId":"7058262","nickname":"Feng(工作中)","avatarUrl":""https"://chat-img.jwznb.com/e226fa4154933773e780b612834e2ea9.gif","registerTime":1639627226,"registerTimeText":"2021-12-16 "12":"00":26","onLineDay":922,"continuousOnLineDay":9,"medals":[{"id":1,"name":"内测用户","desc":"内测用户","imageUrl":"","sort":100},{"id":4,"name":"1000用户","desc":"","imageUrl":"","sort":300},{"id":5,"name":"10000用户","desc":"","imageUrl":"","sort":400}],"isVip":1}

比如：

$info = preg_replace('/([a-zA-Z_][a-zA-Z0-9_]*):/', '"$1":', $info);

输出为：

{"userId":"7058262","nickname":"Feng(工作中)","avatarUrl":""https"://chat-img.jwznb.com/e226fa4154933773e780b612834e2ea9.gif","registerTime":1639627226,"registerTimeText":"2021-12-16 12:00:26","onLineDay":922,"continuousOnLineDay":9,"medals":[{"id":1,"name":"内测用户","desc":"内测用户","imageUrl":"","sort":100},{"id":4,"name":"1000用户","desc":"","imageUrl":"","sort":300},{"id":5,"name":"10000用户","desc":"","imageUrl":"","sort":400}],"isVip":1}

比如：

$info = preg_replace('/(?<!")([a-zA-Z_][a-zA-Z0-9_]*)(?=\s*:)/', '"$1"', $info);

输出为：

{"userId":"7058262","nickname":"Feng(工作中)","avatarUrl":"h"ttps"://chat-img.jwznb.com/e226fa4154933773e780b612834e2ea9.gif","registerTime":1639627226,"registerTimeText":"2021-12-16 12:00:26","onLineDay":922,"continuousOnLineDay":9,"medals":[{"id":1,"name":"内测用户","desc":"内测用户","imageUrl":"","sort":100},{"id":4,"name":"1000用户","desc":"","imageUrl":"","sort":300},{"id":5,"name":"10000用户","desc":"","imageUrl":"","sort":400}],"isVip":1}

于是这个项目也被搁置了一段时间。

直到最近我想起还有 GPT-4o，起先它也犯了一样的错误，但在经过数次交谈，反复修改之后，它终于给出了正确的正则表达式！

preg_replace('/(?<=\{|\[|\,)(\s*)([a-zA-Z_][a-zA-Z0-9_]*)(?=\s*:)/', '$1"$2"', $info);

输出就是正常的 JSON 了：

{"userId":"7058262","nickname":"Feng(工作中)","avatarUrl":"https://chat-img.jwznb.com/e226fa4154933773e780b612834e2ea9.gif","registerTime":1639627226,"registerTimeText":"2021-12-16 12:00:26","onLineDay":922,"continuousOnLineDay":9,"medals":[{"id":1,"name":"内测用户","desc":"内测用户","imageUrl":"","sort":100},{"id":4,"name":"1000用户","desc":"","imageUrl":"","sort":300},{"id":5,"name":"10000用户","desc":"","imageUrl":"","sort":400}],"isVip":1}

具体对话过程可以去看：https://chatgpt.com/share/67429a2d-a8b0-800d-ae71-31124b172d2d

ID 不存在判断

由于 NUXT 在面对 ID 不存在的时候也会返回数据，所以需要自己手动判断一下这个 ID 是否存在。我是采用检测网页中是否存在关键词。当 ID 不存在时网页是这样的：

此时有一个 span 显示了空的 ID：直接检测它就可以了。

用户检测 data-v-34a9b5c4>ID </span>，群聊检测 data-v-6eef215f>ID </span>，机器人检测 data-v-4f86f6dc>ID </span>

使用方法

自行部署

API 的源码和文档都在 Github：https://github.com/jibukeshi/yunhu_info_api

机器人查询

我已经把这个功能加到了我的机器人中，输入 ID 即可直接查询。

访问链接使用云湖机器人【轻智小助手云湖版】

https://yhfx.jwznb.com/share?key=X7ihZbOM9YcK&ts=1712137543

机器人ID: 43272366

演示调用

请求 https://qingzhi.jibukeshi.us.kg/api/yunhu/api.php，按照文档中所说调用即可。