给博客写百度推送插件，记点过程中的事

起因是问了一句 EMlog 的插件会不会写，然后就成了这个把文章链接定时推给百度的东西。这篇记详细一点，把关键代码贴出来，免得以后自己还得翻仓库。

还没动手就撞上一个拦路的

百度给的接口调用地址长这样：http://data.zz.baidu.com/urls?site=https://www.binliyou.com&token=xxx，里面的 site 是带 www 的。而站点实际用的是裸域，www 根本没做解析，curl 一试就露了：

https://binliyou.com/       200
https://www.binliyou.com/   连不上

麻烦的地方在于，域名不一致时百度不会报错。接口照样返回 200、照样给你 success 字段，只是提交的链接全部落在 not_same_site 数组里，一条都不入队。要是先装上跑一轮，当日配额花了、日志看着还挺正常，回头再查域名就晚了。

所以插件里第一个功能不是推送，是比对：

$want = parse_url($query['site'], PHP_URL_HOST);
if (!$want) {
    $want = $query['site'];
}
$mine = parse_url(BLOG_URL, PHP_URL_HOST);
if ($mine && strcasecmp($want, $mine) !== 0) {
    return sprintf(
        '接口地址里的 site 域名是 %s，站点当前域名是 %s。两者不一致时百度会把链接全部退回 not_same_site，一条都不会入队；请先在资源平台改用站点真实域名的接口地址。',
        $want,
        $mine
    );
}

不一致就在设置页顶上挂黄条，推送按钮点了也不执行。整件事里花的时间最少、价值最大的一处是这里。

接口调用本身没什么花样

POST 纯文本，一行一个 URL，Content-Type: text/plain：

curl_setopt_array($ch, [
    CURLOPT_POST => true,
    CURLOPT_POSTFIELDS => $body,          // implode("\n", $urls)
    CURLOPT_HTTPHEADER => ['Content-Type: text/plain', 'Expect:'],
    CURLOPT_RETURNTRANSFER => true,
    CURLOPT_CONNECTTIMEOUT => 10,
    CURLOPT_TIMEOUT => 30,
]);

成功返回 remain（当天剩余配额）、success（成功条数）、not_same_site、not_valid；失败是 4xx 带 error 和 message。两个处理原则：remain <= 0 立刻停止，配额当日有效不累计，继续打只是浪费；接口报错也停止，不要在下一次重试时把同一批反复推。

链接用 EMlog 自己的 Url::log($gid) 生成，这样站点哪天开了伪静态或改了 URL 模式，推出去的地址跟着变，不用插件操心。

EMlog 插件的机制是翻源码确认的

几条硬约定，名字写错一个就加载不上：

• 入口 baidu_push/baidu_push.php，头部注释块是插件元信息（Plugin Name / Version / Description）。
• 配置读写走 Storage::getInstance('baidu_push')，数据落在 storage 表。插件名和键名都限 16 个字符、只能 [\w_]，超了会被静默替换成 DefaultPlugin / DefaultName，这个坑够阴的。
• 设置页文件名必须是 baidu_push_setting.php，里面要有 plugin_setting_view() 和 plugin_setting() 两个函数，路由是 admin/plugin.php?plugin=baidu_push。
• 启用/升级/删除的回调在 baidu_push_callback.php，可选。我用了删除回调，卸载时把配置清掉，因为里面存着百度准入密钥：

function callback_rm()
{
    $storage = Storage::getInstance(BaiduPush::PLUGIN);
    $storage->deleteAllName('YES');
}

后台那条路由过了 loginAuth::checkLogin() 和角色校验，确认只有管理员能进，才敢把密钥存这儿。

定时怎么触发

EMlog 没有常驻进程，"定时"得借外力。三条路：crontab 直接调 php、crontab curl 一个带密钥的 URL、前台访问时顺带触发。

选了第一条为主、第二条为辅。理由是密钥进 URL 就会进 nginx 访问日志，等于天天在日志里写一遍。第三条没做，因为没人访问就永远不跑，跑起来还拖慢那一次请求。

一个文件里分两种入口：

if (PHP_SAPI === 'cli') {
    $_SERVER['REMOTE_ADDR'] = '127.0.0.1';
    $_SERVER['REQUEST_METHOD'] = 'GET';
    $_SERVER['HTTP_USER_AGENT'] = 'emlog-baidu-push-cron';
}

require_once dirname(__DIR__, 2) . '/init.php';
require_once __DIR__ . '/baidu_push_core.php';

// init.php 已经把 Content-Type 设成 text/html，这里必须在其之后覆盖
if (PHP_SAPI !== 'cli') {
    header('Content-Type: text/plain; charset=UTF-8');
}

那个注释是踩出来的：EMlog 的 init.php 第二行就 header('Content-Type: text/html')，你要是引导之前就设自己的头，会被它盖掉。CLI 那几行赋值是给 getIp() / getUA() 用的，虽然它们内部有 isset 兜底不会炸，但补上更干净。

后台那几个按钮限了最多五批（BaiduPush::run($mode, 5)），那是同步请求，让一次点击把全站扫完会把请求挂死。完整推送交给 crontab：

30 8 * * * php /app/emlog/content/plugins/baidu_push/run.php increment >> /var/log/emlog-baidu-push.log 2>&1
0 4 * * 0  php /app/emlog/content/plugins/baidu_push/run.php full      >> /var/log/emlog-baidu-push.log 2>&1

站点在 Docker 里就得走 docker exec <php容器> php ...。

增量为什么扫 date，不挂钩子

本来想在 save_log 钩子上记一笔"这篇待推"，后来改成直接扫数据库：

-- 增量：水位之后发布或更新过的可见文章
SELECT gid, date FROM blog
 WHERE type='blog' AND hide='n' AND checked='y' AND date > <水位>
 ORDER BY date ASC, gid ASC;

-- 全量：按主键游标分批，可断点续推
SELECT gid FROM blog
 WHERE type='blog' AND hide='n' AND checked='y' AND gid > <游标>
 ORDER BY gid ASC LIMIT <批大小>;

关键前提是 EMlog 更新文章时会刷新 blog.date，所以"改过的"和"新增的"都会被这条查询带出来，不需要额外记账。好处是插件在正常请求链路上一点开销都不占——入口文件除了 require_once 什么都不做，不挂任何前台钩子。

草稿和待审核的推不出去，靠 hide='n' AND checked='y' 挡。

人工读代码抓出的一个真 bug

游标推进原来是这么写的，在拼 URL 的循环里顺手往前推：

foreach ($rows as $row) {
    $cursor = $row['gid'];          // 错：还没推就先走了
    $urls[] = Url::log($row['gid']);
}
self::pushBatch($api, $urls, $stat);

这样一批推送失败、百度没收下，游标照样走过了那批 gid，那些链接就永久漏推了，除非手动把游标归零重扫。改成先记在局部变量里，确认这批真送出去了才推进：

$lastGid = $cursor;
foreach ($rows as $row) {
    $urls[] = Url::log($row['gid']);
    $lastGid = $row['gid'];
}
$before = $stat['batches'];
self::pushBatch($api, $urls, $stat);
// 只有这一批真正送出去了才推进游标，失败的那批下次仍会重试
if ($stat['batches'] > $before) {
    $cursor = $lastGid;
}

增量水位同理。这类问题不在任何报错里，跑起来一切正常，只有读代码能看见——写完通读一遍这个动作，值。

并发就一个 flock

$file = sys_get_temp_dir() . '/emlog_baidu_push.lock';
$fp = @fopen($file, 'c');
if (!flock($fp, LOCK_EX | LOCK_NB)) {
    $age = time() - (int)@filemtime($file);
    fclose($fp);
    return $age > self::LOCK_TTL ? self::forceLock($file) : false;
}
@touch($file);

拿不到锁就这次跳过并记录原因，不排队不重试。锁文件超过三十分钟视为异常残留会尝试强制接管，但接管用的还是非阻塞 flock，原来那个进程活着的时候抢不到，所以最坏情况只是多跳过一次，不会出现两个任务同时往百度推。

打包传后台也有坑

后台「安装插件」要求上传 zip，解压前的校验逻辑是这样的：

$r = explode('/', $zip->getNameIndex(0), 2);
$dir = isset($r[0]) ? $r[0] . '/' : '';
// type == 'plugin' 时
$plugin_name = substr($dir, 0, -1);
$re = $zip->getFromName($dir . $plugin_name . '.php');
if (false === $re) {
    return -1;   // 前端提示"插件包格式不正确"
}

它拿 zip 第一个条目的顶层目录名当插件名，再要求那个目录下有同名 php。所以文件平铺在压缩包根目录会直接失败，必须是一层目录包着。

另一个坑在打包工具：Windows PowerShell 5.1 的 Compress-Archive 会把条目名写成反斜杠（baidu_push\baidu_push.php），上面那句 explode('/') 就切不出目录了，报错还只告诉你"格式不正确"。改用 bsdtar：

C:\Windows\System32\tar.exe -a -cf baidu_push.zip baidu_push

打完用 tar -tf 回读确认条目是正斜杠：

baidu_push/
baidu_push/baidu_push.php
baidu_push/baidu_push_core.php
baidu_push/baidu_push_setting.php
baidu_push/baidu_push_callback.php
baidu_push/run.php
baidu_push/README.md