小猿口算自动PK脚本

大家好,我是小黄。
近期,众多大学生炸鱼小猿口算APP,把一众小学生都快虐哭了,小黄听闻后,也跃跃欲试。对此小黄也参考网上的资料写了一个自动Pk的脚步。
首先大家需要安装一个pytorch环境过程中,如果小伙伴对此不熟悉的话可以参考网上的相关教程。
我们需要用到Tesseract-OCR文本识别​。他的原理就是先截图,之后框选出比较大小的两个数字所在的区域,使用Tesseract-OCR识别出来后进行判断,最后模拟鼠标绘制出>,<,=号就​可以了。
Tesseract-OCR​下载地址:

https://github.com/tesseract-ocr/tesseract

这个需要科学上网,​不会科学上网的小伙伴可以关注小黄的公众号回复:小猿口算关键字获取。
在这里插入图片描述

脚本代码

import cv2
import pytesseract
import numpy as np
import re
import pyautogui
import time
import threading
from threading import Thread, Lock
import pynput
from pynput.mouse import Controller, Button
from pynput.keyboard import Listener# 如果 Tesseract 没有在环境变量中,设置 Tesseract 可执行文件的路径
pytesseract.pytesseract.tesseract_cmd = r'D:\Program Files\Tesseract-OCR\tesseract.exe'# 初始化鼠标控制器
mouse = Controller()# 定义绘图函数,并限制在0.1秒左右完成
def draw_symbol(symbol):start_time = time.time()  # 记录开始时间screen_width, screen_height = pyautogui.size()x = int(screen_width * 0.28)  # 水平居中y = draw_y + 200  # 使用新的 y 坐标duration = 0.1  # 每条线的持续时间,设定为 0.1 秒以保持绘制时间print(f"当前鼠标位置: ({x}, {y})")mouse.position = (x, y)  # 将鼠标移动到起始位置mouse.press(Button.left)if symbol == '>':# 绘制 ">" 符号mouse.move(screen_width * 0.03, screen_height * 0.03)  # 右下斜线(缩短)time.sleep(duration)# 增加转弯处的形状mouse.move(screen_width * 0.01, 0)  # 横向移动time.sleep(duration)mouse.move(0, screen_height * 0.15)  # 右上斜线(缩短)time.sleep(duration)elif symbol == '<':# 绘制 "<" 符号mouse.move(-screen_width * 0.03, screen_height * 0.03)  # 左下斜线(缩短)time.sleep(duration)# 增加转弯处的形状mouse.move(-screen_width * 0.01, 0)  # 横向移动time.sleep(duration)mouse.move(0, -screen_height * 0.09)  # 左上斜线(缩短)time.sleep(duration)elif symbol == '=':# 绘制 "=" 符号mouse.move(-screen_width * 0.02, 0)  # 向左移动一点mouse.release(Button.left)mouse.press(Button.left)mouse.move(screen_width * 0.03, 0)  # 第一条横线(缩短)time.sleep(duration)mouse.release(Button.left)mouse.position = (x - screen_width * 0.02, y + screen_height * 0.02)  # 向下移动一点mouse.press(Button.left)mouse.move(screen_width * 0.03, 0)  # 第二条横线(缩短)time.sleep(duration)mouse.release(Button.left)else:print("无法绘制该符号")mouse.release(Button.left)  # 确保释放鼠标按键end_time = time.time()  # 记录结束时间print(f"绘图 '{symbol}' 完成,耗时: {end_time - start_time:.4f} 秒")# 全局变量
running = False  # 标志变量,控制任务的运行
lock = Lock()  # 定义锁
draw_y = 970 + 100  # ROI 的底部加上 300 像素def process_questions():global runningi = 0previous_result = Noneprevious_numbers = (None, None)  # 新增,用于存储前一题的数字stable_count = 0stable_threshold = 1  # 可以将阈值设为1,因为我们已经检测题目变化while running:start_time = time.time()  # 开始时间# 获取屏幕截图screenshot_start_time = time.time()image = pyautogui.screenshot()image = cv2.cvtColor(np.array(image), cv2.COLOR_RGB2BGR)screenshot_end_time = time.time()print(f"截图耗时: {screenshot_end_time - screenshot_start_time:.4f} 秒")# 提取需要识别的区域(根据实际情况调整坐标)roi = image[850:970, 700:1200]# 图像预处理processing_start_time = time.time()roi_gray = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)roi_contrast = cv2.convertScaleAbs(roi_gray, alpha=2.0, beta=0)  # 增强对比度roi_blur = cv2.GaussianBlur(roi_contrast, (5, 5), 0)_, roi_thresh = cv2.threshold(roi_blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)processing_end_time = time.time()print(f"图像处理耗时: {processing_end_time - processing_start_time:.4f} 秒")# OCR 识别ocr_start_time = time.time()custom_config = r'--oem 3 --psm 6'roi_text = pytesseract.image_to_string(roi_thresh, config=custom_config)ocr_end_time = time.time()print(f"OCR 识别耗时: {ocr_end_time - ocr_start_time:.4f} 秒")# 提取数字并判断大小matches = re.findall(r'\d+', roi_text)if len(matches) >= 2:num1, num2 = int(matches[0]), int(matches[1])print(f"第{i + 1}题识别到的数字:{num1}, {num2}")# 检查是否为新题目if (num1, num2) == previous_numbers:print("检测到重复的题目,跳过处理")else:# 更新前一题的数字previous_numbers = (num1, num2)# 判断大小if num1 < num2:result = '<'elif num1 > num2:result = '>'else:result = '='print(f"判断结果:{num1} {result} {num2}")# 绘制符号draw_start_time = time.time()# 启动绘图线程draw_thread = Thread(target=draw_symbol, args=(result,))draw_thread.start()draw_thread.join()  # 等待绘图完成draw_end_time = time.time()time.sleep(0.1)print(f"绘图耗时: {draw_end_time - draw_start_time:.4f} 秒")else:print(f"第{i + 1}题未能识别出足够的数字")# 等待一小段时间以确保下一题加载i += 1end_time = time.time()print(f"第{i}题处理总耗时: {end_time - start_time:.4f} 秒\n")def toggle_running(key):global runningif key == pynput.keyboard.Key.enter:if not running:running = Trueprint("任务已启动")# 启动处理线程t = threading.Thread(target=process_questions)t.start()else:running = Falseprint("任务已停止")# 监听键盘输入
with Listener(on_press=toggle_running) as listener:listener.join()

我们需要注意的地方是这个参数,由于屏幕大小不一样,他可能需要微调,所以小黄写了一测试的代码,来看看是否框选正确​。
在这里插入图片描述

在这里插入代码片运行完之后参数对的话可以看到刚刚好可以看到框选的就是数字的​大小就是对的。

import cv2
import numpy as np
import pyautogui
​
# 获取屏幕截图
image = pyautogui.screenshot()
image = cv2.cvtColor(np.array(image), cv2.COLOR_RGB2BGR)
​
# 提取需要识别的区域,调整 Y 轴范围
roi = image[850:970, 700:1200]  # 更新 ROI 的 Y 轴范围,从 850 到 970
​
# 在原图上绘制 ROI,矩形的 Y 坐标也需要更新
cv2.rectangle(image, (700, 850), (1200, 970), (0, 255, 0), 2)  # 绘制绿色矩形
​
# 显示原图和 ROI
cv2.imshow("Original Image", image)
cv2.imshow("Region of Interest", roi)
​
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()  # 关闭所有窗口
​

在这里插入图片描述

OK,完事具备​,现在就有可以运行上面的代码了。我们看看具体效果。
在这里插入图片描述
由于时间比较仓储,大家可以改改绘制<,>,=号的位置,感觉小黄的绘制得不是​很准确。​
最后祝大家玩得愉快,有问题请给我留言或私信。需要软件的小伙伴记得回复关键字:小猿口算
在这里插入图片描述
不懂的小伙伴大家可以进群交流一下。

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/55889.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

软考《信息系统运行管理员》- 4.3 信息系统软件运维的过程

4.3 信息系统软件运维的过程 文章目录 4.3 信息系统软件运维的过程日常运维日常运维的内容日常运行例行测试维护例行测试流程的关键点例行维护流程的关键点 定期测试维护 缺陷诊断与修复信息系统软件缺陷的概念信息系统软件缺陷的分类信息系统软件缺陷诊断与修复流程缺陷诊断与…

springboot kafka多数据源,通过配置动态加载发送者和消费者

前言 最近做项目&#xff0c;需要支持kafka多数据源&#xff0c;实际上我们也可以通过代码固定写死多套kafka集群逻辑&#xff0c;但是如果需要不修改代码扩展呢&#xff0c;因为kafka本身不处理额外逻辑&#xff0c;只是起到削峰&#xff0c;和数据的传递&#xff0c;那么就需…

Koa学习

Koa 安装与配置 1. 初始化项目 在终端中执行以下命令&#xff1a; # 创建项目文件夹 mkdir koa cd koa# 初始化并安装依赖 npm init -y npm install koa npm install nodemon --save-dev2. 修改 package.json 在 package.json 文件中进行如下修改&#xff1a; {"type…

llava论文阅读

论文名称是 Visual Instruction Tuning 视觉指令微调 摘要 我们首次尝试仅使用语言模型GPT-4来生成多模态的语言-图像指令跟随数据。 通过在生成的数据上进行指令微调&#xff0c;我们引入了LLaVA&#xff08;Large Language and Vision Assistant&#xff09;&#xff1a;一…

c++基础知识复习(1)

前期知识准备 1 构造函数 &#xff08;1&#xff09;默认构造函数&#xff1a;没有参数传入&#xff0c;也没有在类里面声明 &#xff08;2&#xff09;手动定义默认构造函数&#xff1a;没有参数传入&#xff0c;但是在类里面进行了声明 可以在类外实现或者类内实现 以下案…

计算机网络803-(4)网络层

目录 1.虚电路服务 虚电路是逻辑连接 2.数据报服务 3.虚电路服务与数据报服务的对比 二.虚拟互连网络-IP网 1.网络通信问题 2.中间设备 3.网络互连使用路由器 三.分类的 IP 地址 1. IP 地址及其表示方法 2.IP 地址的编址方法 3.分类 IP 地址 &#xff08;1&#x…

LabVIEW中的非阻塞定时器

在LabVIEW编程中&#xff0c;通常需要在某些任务执行过程中进行非阻塞的延时操作。例如&#xff0c;显示某条信息一段时间&#xff0c;同时继续执行其他任务&#xff0c;并在延时时间结束后停止显示该信息。这类需求通常用于处理优先级不同的信息显示&#xff0c;如错误信息需要…

【Arduino IDE安装】Arduino IDE的简介和安装详情

目录 &#x1f31e;1. Arduino IDE概述 &#x1f31e;2. Arduino IDE安装详情 &#x1f30d;2.1 获取安装包 &#x1f30d;2.2 安装详情 &#x1f30d;2.3 配置中文 &#x1f30d;2.4 其他配置 &#x1f31e;1. Arduino IDE概述 Arduino IDE&#xff08;Integrated Deve…

Jupyter的使用分享

文章目录 碎碎念安装方法1.安装Anaconda方法2.通过库的安装方式 启动使用教程1.指定目录打开2.启动后的简单使用 小结 碎碎念 前情提示 之前与许多小伙伴交流的时候&#xff0c;发现大家对于pycharm更容易上手&#xff08;可能是比较好设置中文的原因&#xff09;&#xff0c;在…

算法: 前缀和题目练习

文章目录 前缀和题目练习前缀和二维前缀和寻找数组的中心下标除自身以外数组的乘积和为 K 的子数组和可被 K 整除的子数组连续数组矩阵区域和 前缀和题目练习 前缀和 自己写出来了~ 坑: 数据太大,要用long. import java.util.Scanner;public class Main {public static voi…

【element-tiptap】如何引进系统中的字体?

源码地址&#xff1a; https://github.com/Leecason/element-tiptap 源码中给出的字体如下 可以看到&#xff0c;咱们日常需要的黑体、微软雅黑等都没有&#xff0c;所以这篇文章来探索一下怎么加字体。 另外呢&#xff0c;肯定有小伙伴发现&#xff0c;这个按钮点击的时候&am…

IDEA 配置 Git 详解

本文将介绍在IntelliJ IDEA 中如何配置Git 没有安装配置 Git 的可以参考我的这篇文章&#xff1a;安装配置 Git 一、操作环境及准备 1.win 10 2.已安装且配置了Git 3.有Gitee账户 4.安装了IntelliJ IDEA 2023.2.1 5.全程联网 二、配置步骤 2.1 配置git 1.采用全局设置&…

C++继承与菱形继承(一文了解全部继承相关基础知识和面试点!)

目的减少重复代码冗余 Class 子类(派生类) &#xff1a; 继承方式 父类&#xff08;基类&#xff09; 继承方式共有三种&#xff1a;公共、保护、私有 父类的私有成员private无论哪种继承方式都不可以被子类使用 保护protected权限的内容在类内是可以访问&#xff0c;但是在…

息肉检测数据集 yolov5 yolov8适用于目标检测训练已经调整为yolo格式可直接训练yolo网络

息肉检测数据集 yolov5 yolov8格式 息肉检测数据集介绍 数据集概述 名称&#xff1a;息肉检测数据集&#xff08;基于某公开的分割数据集调整&#xff09;用途&#xff1a;适用于目标检测任务&#xff0c;特别是内窥镜图像中的息肉检测格式&#xff1a;YOLO格式&#xff08;边…

【3dgs】总结3DGS与NeRF如何重塑SLAM24年4月最新进展

【3dgs】总结3DGS与NeRF如何重塑SLAM&#xff01; 1. 摘要2. 简洁3. 背景3.1 Existing SLAM Surveys3.2 progress in Radiance Field Theory3.3.1 NeRF3.3.2 3dgs3.4 数据集 4 数据集4.1 SLAM3.1 RGB-D SLAM方法3.1.1 基于NeRF风格的RGB-D SLAM3.1.2 基于3DGS风格的 RGB-D SLAM…

React(一) 认识React、熟悉类组件、JSX书写规范、嵌入变量表达式、绑定属性

文章目录 一、初始React1. React的基本认识2. Hello案例2.1 三个依赖2.2 渲染页面2.3 hello案例完整代码 二、类组件1. 封装类组件2. 组件里的数据3. 组件里的函数 (重点)4. 案例练习(1) 展示电影列表 三、JSX语法1. 认识JSX2. JSX书写规范及注释3. JSX嵌入变量作为子元素4. JS…

遍历有向图链路(DFS算法)- 优化版

在上一节基础上&#xff0c;去除了节点的pre集合&#xff0c;只保留节点next的结合&#xff0c;对数据模型进行了优化&#xff0c;实现思想做了优化。 有向图示例&#xff1a; 基本思路 构建有向图数据模型校验有向图不能出现回路&#xff0c;即当前节点不能出现在历史链路中首…

连续点击三次用户

有用户点击日志记录表 t2_click_log&#xff0c;包含user_id(用户ID),click_time(点击时间)&#xff0c;请查询出连续点击三次的用户数&#xff0c; 连续点击三次&#xff1a;指点击记录中同一用户连续点击&#xff0c;中间无其他用户点击&#xff1b; CREATE TABLE t2_click…

Unity实现自定义图集(三)

以下内容是根据Unity 2020.1.0f1版本进行编写的   1、实现编辑器模式下进游戏前Pack全部自定义图集 同Unity的图集一样,Unity的编辑器模式会在进游戏前把全部的SpriteAtlas都打一次图集,如图: 我们也实现这样的效果。 首先需要获取全部的图集路径。因为目前使用的是以.…

【数据结构】6道经典链表面试题

目录 1.返回倒数第K个节点【链接】 ​代码实现 2.链表的回文结构【链接】 代码实现 3.相交链表【链接】 代码实现 4.判断链表中是否有环【链接】 代码实现 常见问题解析 5.寻找环的入口点【链接】 代码实现1 ​代码实现2 6.随机链表的复制【链接】 代码实现 1.…