資訊專欄INFORMATION COLUMN
摘要：微信接入采用的第三方接入微信，具體功能接入還是要看微信公眾號開發(fā)文檔，架構(gòu)則是上面所說的。吐槽一下，騰訊包括微信，他們的文檔確實沒有阿里做得好。人臉融合結(jié)尾這一塊騰訊人工智能接入已解釋完畢。
前言要想騎自行車，首先不是要學(xué)會如何造自行車，而是學(xué)會如何騎行
結(jié)合騰訊AI開放平臺群里的demo解析，QQ群號：581197347。
這個項目是我只花費兩天時間做完的，采用的技術(shù)是SpringBoot+SpringCloud+MongoDB。
為啥只要兩天呢，現(xiàn)在是微服務(wù)快速開發(fā)時代，兩天開發(fā)一個小型項目真的自己都覺得花費時間太長。
前端框架采用Layui,如果是微信訪問則會跳到微信端的頁面。微信接入采用GitHub的第三方接入微信，
具體功能接入還是要看微信公眾號開發(fā)文檔，架構(gòu)則是上面所說的SpringBoot+SpringCloud。數(shù)據(jù)庫方面采用MongoDB,因為我只需要存圖片文件不需要采集用戶信息。
這是現(xiàn)在上線的項目，您也可以微信掃碼訪問，都是同一個鏈接。點擊訪問項目
在iphone這邊試了下人臉融合好像不行。因為微信jdk要另外設(shè)置。沒ios機...
這里主要詳解如何接入騰訊第三方AI，其他會簡單帶過:騰訊AI官網(wǎng)
為什么選擇騰訊的？而不是選擇阿里，網(wǎng)易，百度呢？主要他們都要認證，要錢。(貧窮限制我的選擇)。
開玩笑，言歸正傳，這是因為開發(fā)簡潔通用，只要會一種，其他就換湯不換藥。唯一的缺點就是他不保證并發(fā)。如果你只需要一種識別，并且是穩(wěn)定高并發(fā)的，我建議阿里哈。
騰訊AI技術(shù)文檔這個文檔的接口鑒權(quán)也就是獲取sign我是不建議你們?nèi)タ吹模驗槎疾恢浪谡f什么獎杯，我在這里跟大家講如何獲得sign,后面的接入就可以按照文檔來操作了。
ps:吐槽一下，騰訊包括微信，他們的文檔確實沒有阿里做得好。
首先在這里，我說明一下，我會將他作為一個main主函數(shù)來運行。我也只講一種方式，其他你真的看懂了，自然而然就會運用了。
首先要知道如何獲得簽名也就是我們所謂的Sign和要求計算的參數(shù)
你可以根據(jù)官方文檔看到我們需要通過這幾個參數(shù)來計算出簽名，然而他們并沒有說明這個text:騰訊AI開放平臺是什么，這個text就是你要接入哪種識別另外要加入的參數(shù)，就比如這里我講解人臉融合，人臉融合根據(jù)文檔要多傳一個model參數(shù)，也就是說這個model也要加入Sign的計算當中。
那么我們知道了sign需要的參數(shù)，我們要怎么計算呢。
直接看文檔對于初學(xué)者來說，看了等于白看，文檔說要
1. 獲得參數(shù)對列表N（字典升級排序）。 2. 按URL鍵值拼接字符串T,參數(shù)對列表N的參數(shù)對進行URL鍵值拼接，值使用URL編碼，URL編碼算法用大寫字母。 3. 拼接應(yīng)用密鑰，得到字符串S。 4. 計算MD5摘要，得到簽名字符串。
獲得Sign說實話，第一次我看這個文檔我的main函數(shù)運行的不少于100遍的出錯。那要怎么接入呢？ 如果你看的懂文檔，請直接略過這端Sign簽名
時間戳time_stamp和隨機字符串nonce_str我們直接可以自己生成的。
String time_stamp = System.currentTimeMillis()/1000+""; String nonce_str = TencentAISign.getRandomString(10);
還有image屬性也就是你上傳的照片，騰訊限定了圖片大小(根據(jù)文檔)和要求原始圖片的base64編碼數(shù)據(jù)
如何限定圖片大小就是你的事了，在這里將如何將圖片進行base64編碼，編碼這里我講兩種，一種是本地路徑編碼，另一種根據(jù)Url網(wǎng)絡(luò)資源編碼。
這里我寫一個工具類，可以根據(jù)本地或者Url分別進行base64編碼
public class UrlMethodUtil {
public static byte[] local2byte(String url)throws Exception{ //由本地路徑得到byte
byte [] imageData = FileUtil.readFileByBytes(url);
return imageData;
}
public static byte[] url2byte(String url)throws Exception { //由url得到byte
byte [] imageData = IoUtil.getImageFromNetByUrl(url);
return imageData;
}
}
FileUtil 就是從本地路徑獲得byte[]數(shù)據(jù)
public class FileUtil {
/**
* 根據(jù)文件路徑讀取byte[] 數(shù)組
*/
public static byte[] readFileByBytes(String filePath) throws IOException {
File file = new File(filePath);
if (!file.exists()) {
throw new FileNotFoundException(filePath);
} else {
ByteArrayOutputStream bos = new ByteArrayOutputStream((int) file.length());
BufferedInputStream in = null;
try {
in = new BufferedInputStream(new FileInputStream(file));
short bufSize = 1024;
byte[] buffer = new byte[bufSize];
int len1;
while (-1 != (len1 = in.read(buffer, 0, bufSize))) {
bos.write(buffer, 0, len1);
}
byte[] var7 = bos.toByteArray();
return var7;
} finally {
try {
if (in != null) {
in.close();
}
} catch (IOException var14) {
var14.printStackTrace();
}
bos.close();
}
}
}
}
IoUtil就是從Url獲得byte[]數(shù)據(jù)
public class IoUtil {
/**
* 根據(jù)地址獲得數(shù)據(jù)的字節(jié)流
* @param strUrl 網(wǎng)絡(luò)連接地址
* @return
*/
public static byte[] getImageFromNetByUrl(String strUrl){
try {
URL url = new URL(strUrl);
HttpURLConnection conn = (HttpURLConnection)url.openConnection();
conn.setRequestMethod("GET");
conn.setConnectTimeout(10 * 1000);
InputStream inStream = conn.getInputStream();//通過輸入流獲取圖片數(shù)據(jù)
byte[] btImg = readInputStream(inStream);//得到圖片的二進制數(shù)據(jù)
return btImg;
} catch (Exception e) {
e.printStackTrace();
}
return null;
}
/**
* 從輸入流中獲取數(shù)據(jù)
* @param inStream 輸入流
* @return
* @throws Exception
*/
public static byte[] readInputStream(InputStream inStream) throws Exception{
ByteArrayOutputStream outStream = new ByteArrayOutputStream();
byte[] buffer = new byte[1024];
int len = 0;
while( (len=inStream.read(buffer)) != -1 ){
outStream.write(buffer, 0, len);
}
inStream.close();
return outStream.toByteArray();
}
}
然后就可以很輕松的調(diào)用了:
byte [] imageData = UrlMethodUtil.local2byte("E:/demo.png");//本地圖片
byte [] imageData = UrlMethodUtil.url2byte("網(wǎng)絡(luò)資源路徑Url");
得到byte數(shù)組了我們就可以根據(jù)Base64的工具類轉(zhuǎn)化，這里我貼出來，百度一堆
public class Base64Util {
private static final char last2byte = (char) Integer.parseInt("00000011", 2);
private static final char last4byte = (char) Integer.parseInt("00001111", 2);
private static final char last6byte = (char) Integer.parseInt("00111111", 2);
private static final char lead6byte = (char) Integer.parseInt("11111100", 2);
private static final char lead4byte = (char) Integer.parseInt("11110000", 2);
private static final char lead2byte = (char) Integer.parseInt("11000000", 2);
private static final char[] encodeTable = new char[]{"A", "B", "C", "D", "E", "F", "G", "H", "I", "J", "K", "L", "M", "N", "O", "P", "Q", "R", "S", "T", "U", "V", "W", "X", "Y", "Z", "a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "q", "r", "s", "t", "u", "v", "w", "x", "y", "z", "0", "1", "2", "3", "4", "5", "6", "7", "8", "9", "+", "/"};
public Base64Util() {
}
public static String encode(byte[] from) {
StringBuilder to = new StringBuilder((int) ((double) from.length * 1.34D) + 3);
int num = 0;
char currentByte = 0;
int i;
for (i = 0; i < from.length; ++i) {
for (num %= 8; num < 8; num += 6) {
switch (num) {
case 0:
currentByte = (char) (from[i] & lead6byte);
currentByte = (char) (currentByte >>> 2);
case 1:
case 3:
case 5:
default:
break;
case 2:
currentByte = (char) (from[i] & last6byte);
break;
case 4:
currentByte = (char) (from[i] & last4byte);
currentByte = (char) (currentByte << 2);
if (i + 1 < from.length) {
currentByte = (char) (currentByte | (from[i + 1] & lead2byte) >>> 6);
}
break;
case 6:
currentByte = (char) (from[i] & last2byte);
currentByte = (char) (currentByte << 4);
if (i + 1 < from.length) {
currentByte = (char) (currentByte | (from[i + 1] & lead4byte) >>> 4);
}
}
to.append(encodeTable[currentByte]);
}
}
if (to.length() % 4 != 0) {
for (i = 4 - to.length() % 4; i > 0; --i) {
to.append("=");
}
}
return to.toString();
}
}
這樣image的Base64編碼搞定,終于拿到了image屬性了，接下來就可以準備開始簽名啦
我們現(xiàn)在擁有的屬性有：appid,appKey,time_stamp,nonce_str,image。再根據(jù)我們要實現(xiàn)的功能需要的參數(shù)終于可以實現(xiàn)簽名啦。感覺好麻煩有木有。確實是挺麻煩的，但這也是一種安全驗證的過程。
那我們怎么將這么多參數(shù)放在一起計算出Sign呢？答案可想而知，用Map。
