申明：本次只是说一下实现思路，官方的接口以及如何实现方式，本文没有提及，这次只是一个思路，若想代替人工完成质量还差的很远，请审核大大放行

今天再次优化了代码，修复了一些bug，考虑到不完善且文章质量不是很高的情况（连个图文都没有），打算将代码分离开来，一起使用可能会对后面维护开发产生不必要的麻烦，欢迎大佬的关注，我会自动回关！，等到真正实现自动化，会打包成exe分享

实现效果看我的博客：Python3 循环语句

缺点：

1. gpt3.5没有图文并茂
2. "复制代码"转换过程中处理成了文字
3. 未知原因requests返回的数据和真实的数据有出入

已完成的工作

20230405

• 支持点赞、收藏回访(被动模式)
• 关注回访（需要发表过博客）
• 评论回访

20230406优化

• 私信检测到群发消息自动三连/满足模板设定给予三连触发
• 优化检测模式，防止出现多触发情况
• 为了防止操作额度不够，只处理最新发表的博客（第一条），不在继续往下操作
• 暂未对动态blink进行调整，理论可以
• 评论多评检测（防止有人故意而为之）

20230408

• 接入chatgpt，可对话、可自动评论

实现流程

第三方chatgpt3.5api接口

这里接口有需要的伙伴，私聊领取哈，免费的

构造标题、关键字等

构造完成整理为发送gpt的模块中

 title="Python3 循环语句"
    yaoqiu="要求：代码实例和执行结果解释多一点"
    text_val = "请写一篇标题为："+title+"的博客文章，以markdown给我，字数在1800字左右"+yaoqiu

    content=chatgpt(title)

分析C的markdown接口请求参数

文章保存参数：

知道请求参数，关键在于标题、内容、标签、图片，于是接下来着手获取

内容

输入标题，完成构造对话发送等待返回文章，通过markdown处理请求

def convert_markdown_to_html(markdown_text):
    html = markdown.markdown(markdown_text)
    return html

处理后获得title标题、content内容

获取标签、头图

C站标签和头图属于一个接口，通过请求

  result=get_recommend_tags(title,content_mark)

获取到标签和头图，这里由于比较忙我就不整理参数了

以下为接口返回数据（请求标题与numpy相关）：

{
	"code": 200,
	"message": "success",
	"traceId": "xxxxxx",
	"data": {
		"common": ["bug", "php", "开发语言", "thinkphp5", "微信小程序"],
		"list": {
			"推荐": ["numpy", "python", "机器学习", "开发语言", "人工智能"],
			"Python": ["python", "django", "pygame", "virtualenv", "tornado", "flask", "scikit-learn", "plotly", "dash", "fastapi", "pyqt", "scrapy", "beautifulsoup", "numpy", "scipy", "pandas", "matplotlib", "httpx", "web3.py", "pytest", "pillow", "gunicorn", "pip", "conda", "ipython"],"images": ["https://xxxxxx/img_convert/7bc0b398d41f4dbc81d31b9dedc4e172.png", "https://xxxxxx/img_convert/77fcfea2a41749d7867f62f0e98b01ca.png", "https://xxxxxx/img_convert/fad536e972e14ce4b37803185dc3b00c.png", "https://xxxxxx/img_convert/5bbc102f2243430991aedee1be20b4f3.png", "https://xxxxxx/img_convert/cf52fbe57e404f30babcdda6f1ef2c08.png"]
	}
}

标签是[‘推荐’]字段，使用python转换

tags = result['data']['list']['推荐']
tag_str = ', '.join(str(tag) for tag in tags)
print(tag_str)

打印结果为：numpy, python, 机器学习, 开发语言, 人工智能

以上已经获取到了标签和头图以及markdown格式的内容，接下来结合起来像C站文章保存接口请求一次

saveArticle(tag_str,imgurl,title,content_mark)

部分请求成功构造：

 json_data = {
    # 'article_id': 130040595,
    'title': title,
    'description': '',
    'content': content,
    'tags': tag_str,
    'categories': '',
    'type': 'original',
    'status': 2,
    'read_type': 'public',
    'reason': '',
    'resource_url': '',
    'original_link': '',
    'authorized_status': False,
    'check_original': False,
    'source': 'pc_postedit',
    'not_auto_saved': 1,
    'creator_activity_id': '',
    'cover_images': [
        imgurl,
    ],
    'cover_type': 1,
    'vote_id': 0,
    'scheduled_time': 0,
    'is_new': 1,
}

    response = requests.post(
    'xxxxx',
    cookies=cookies,
    headers=headers,
    json=json_data,
)
    print(response.text)

请求成功，刷新我的文章查看

由于这里还在对文章内容排版优化，所以就不直接发表，需要核查一遍，等后面对接了文心一言考虑自动发表！