三国杀钓鱼自动化

三国杀钓鱼脚本

前言

本来是想做必杀的,但是后来测试了大约400钓发现纯靠连点没有漏掉的鱼,所以必杀功能就舍弃了。
我pyinstaller打包后运行.exe居然黑屏了???可能是多进程报错处理没写好,反正还是用vscode运行python吧。这样最起码可以保证不死机。

环境配置

python 3.12.7
Visual Studio Code 任何版本
雷电模拟器9
Win11 23H2

雷电模拟器安装

通过官网https://www.ldmnq.com下载。这个没啥好说的,没有网络问题,直接下一步下一步就行了。
说一下问题我运行vivo端的游戏商店或者三国杀时,发现不能使用。最后查阅信息有一个解决方法是将模拟器的手机型号设置为除了vivo以外的任意一款手机型号。

python 安装

通过官网https://www.python.org/downloads/release/python-3127找到下面Windows installer (64-bit)下载。
链接为https://www.python.org/ftp/python/3.12.7/python-3.12.7-amd64.exe,可以点击此处直接下载
之后,安装python,安装步骤这里不是重点。推荐一位bilibili的up主的视频,根据他的安装即可,后面会讲。

Visual Studio Code 安装

通过官网https://code.visualstudio.com找到Download for Windows下载即可。
同样安装步骤,后面会讲。

如何安装?

https://www.bilibili.com/video/BV1w7411N7Ti这个up主的BV1w7411N7Ti视频可以很好的讲解。记得Visual Studio Code 需要加插件,别忘了看文档安装一下。

脚本

脚本代码-python

这是一段python代码,复制到文本文件更改后缀名为py,即可运行。也可以继续观看B站up的视频稍微学习一点点怎么运行代码。

from PIL import ImageGrab
import multiprocessing
import pygetwindow
import pyautogui
import keyboard
import numpy
import json
import timeclass CustomError(Exception):def __init__(self,message):self.message=message
class Fishing():standWidth=1962standHeight=1115def __init__(self,window):self.window= window self.left=window.leftself.top=window.topself.jsonDir="./position.json"self.config=Noneself.GameInit()def WindowJudge(self,window):return (window.width,window.height)==(Fishing.standWidth,Fishing.standHeight)def GameInit(self):if not self.WindowJudge(self.window):raise CustomError("window size is not match!")else:self.config=dict(json.loads(self.__read(self.jsonDir)))def Click(self,position):pyautogui.click(self.left+position[0],self.top+position[1])def DragTo(self,position,speed):pyautogui.dragTo(self.left+position[0],self.top+position[1],speed,button="left")def __read(self,file):f=open(file,'r',encoding="utf-8")res=f.read()f.close()return res
def StateFishing(CodeRun):while CodeRun.value:#不可更改!if keyboard.is_pressed('esc'):CodeRun.value=Falseexit(0)def FishingRun(codeRun,runTime,slow,stink,again,queue,queueNumber):window = pygetwindow.getWindowsWithTitle('雷电模拟器')[0]fishingGame=Fishing(window)queueNumber.value=0queue.put((window.left,window.top))queue.put(fishingGame.config['slowColor'])queue.put(fishingGame.config['WatchRange'])time.sleep(0.1)queueNumber.value=1queue.put((window.left,window.top))queue.put(fishingGame.config['stinkColor'])queue.put(fishingGame.config['stinkOffset'])queue.put(fishingGame.config['StinkyRange'])time.sleep(0.1)queueNumber.value=2queue.put((window.left,window.top))queue.put(fishingGame.config['againColor'])queue.put(fishingGame.config['AgainRange'])time.sleep(0.1)queueNumber.value=3queue.put((window.left,window.top))queue.put(fishingGame.config['energyColor'])queue.put(fishingGame.config['EnergyRange'])time.sleep(0.1)while runTime>0 and codeRun.value:runTime-=1print("剩余%d次垂钓"%runTime)time.sleep(0.5)fishingGame.Click(fishingGame.config['beginButton'])time.sleep(0.5)fishingGame.DragTo(fishingGame.config['dragToPosition'],0.3)time.sleep(5.3)startTime=time.time()while not stink.value and codeRun:if time.time()-startTime>2:breakfishingGame.Click(fishingGame.config['liftingPosition'])stink.value=Falsewhile codeRun.value:if slow.value :fishingGame.Click(fishingGame.config['fishingButton'])if again.value:fishingGame.Click(fishingGame.config['againButton'])breakcodeRun.value=Falseexit(0)
def WatchSpeed(codeRun,slow,queue,queueNumber):while queueNumber.value!=0:passwindow=queue.get()slowColor=queue.get()watchRange=queue.get()left,top=watchRange["position1"]right,down=watchRange["position2"]while codeRun.value:screenshot =numpy.array( ImageGrab.grab(bbox=(window[0]+left, window[1]+top, window[0]+right, window[1]+down)))screenshotShape=screenshot.shapecnt=0for i in range(screenshotShape[0]):for j in range(screenshotShape[1]):temp=screenshot[i][j]if ((int(temp[0])-slowColor[0])**2+(int(temp[1])-slowColor[1])**2+(int(temp[2])-slowColor[2])**2)**0.5>5:cnt+=1slow.value= cnt/(screenshotShape[0]*screenshotShape[1])<0.6exit(0)
def WatchStinky(codeRun,stink,queue,queueNumber):while queueNumber.value!=1:passwindow=queue.get()stinkColor=queue.get()stinkOffset=queue.get()watchRange=queue.get()left,top=watchRange["position1"]right,down=watchRange["position2"]top+=stinkOffsetdown+=stinkOffsetwhile codeRun.value:screenshot =numpy.array( ImageGrab.grab(bbox=(window[0]+left, window[1]+top, window[0]+right, window[1]+down)))screenshotShape=screenshot.shapecnt=0for i in range(screenshotShape[0]):for j in range(screenshotShape[1]):temp=screenshot[i][j]if ((int(temp[0])-stinkColor[0])**2+(int(temp[1])-stinkColor[1])**2+(int(temp[2])-stinkColor[2])**2)**0.5<50:cnt+=1stink.value= cnt/(screenshotShape[0]*screenshotShape[1])>0.1exit(0)def WatchAgain(codeRun,again,queue,queueNumber):while queueNumber.value!=2:passwindow=queue.get()againColor=queue.get()watchRange=queue.get()left,top=watchRange["position1"]right,down=watchRange["position2"]while codeRun.value:screenshot =numpy.array( ImageGrab.grab(bbox=(window[0]+left, window[1]+top, window[0]+right, window[1]+down)))screenshotShape=screenshot.shapecnt=0for i in range(screenshotShape[0]):for j in range(screenshotShape[1]):temp=screenshot[i][j]if ((int(temp[0])-againColor[0])**2+(int(temp[1])-againColor[1])**2+(int(temp[2])-againColor[2])**2)**0.5<50:cnt+=1again.value= cnt/(screenshotShape[0]*screenshotShape[1])>0.8exit(0)
def WatchEnergy(codeRun,energy,queue,queueNumber):while queueNumber.value!=3:passwindow=queue.get()energyColor=queue.get()watchRange=queue.get()left,top=watchRange["position1"]right,down=watchRange["position2"]while codeRun.value:screenshot =numpy.array( ImageGrab.grab(bbox=(window[0]+left, window[1]+top, window[0]+right, window[1]+down)))screenshotShape=screenshot.shapecnt=0for i in range(screenshotShape[0]):for j in range(screenshotShape[1]):temp=screenshot[i][j]if ((int(temp[0])-energyColor[0])**2+(int(temp[1])-energyColor[1])**2+(int(temp[2])-energyColor[2])**2)**0.5<50:cnt+=1energy.value= cnt/(screenshotShape[0]*screenshotShape[1])>0.8
if __name__ == '__main__':runTime=999# 运行次数codeRun = multiprocessing.Value('b', True)queueNumber = multiprocessing.Value('i', -1)slow = multiprocessing.Value('b', True)stink= multiprocessing.Value('b', True)again= multiprocessing.Value('b', False)queue=multiprocessing.Queue(20)processList=[]processList.append(multiprocessing.Process(target=StateFishing, args=(codeRun,)))processList.append(multiprocessing.Process(target=FishingRun, args=(codeRun,runTime,slow,stink,again,queue,queueNumber)))processList.append(multiprocessing.Process(target=WatchSpeed,args=(codeRun,slow,queue,queueNumber)))processList.append(multiprocessing.Process(target=WatchStinky,args=(codeRun,stink,queue,queueNumber)))processList.append(multiprocessing.Process(target=WatchAgain,args=(codeRun,again,queue,queueNumber)))for each in processList:each.start()for each in processList:each.join()

脚本代码-json

此处需要创建在你的上述python脚本文件的同一目录下,命名为position.json,注意扩展名为json。此处由于电脑性能不同需要手动调节一下stinkOffset,负号代表检测区间向上方偏移像素。由于本脚本设计原理是通过监控并对进程通信实现的,所以由于电脑性能问题需要平移一定距离以留充足反应。如果刺鱼点太靠上,数值应当由-32适当调大,如果太靠下应当由-32适当调小。防呆小tips:-40比-32小。

{"stinkOffset":-32,"beginButton":[1625,880],"dragToPosition":[1625,630],"liftingPosition":[1625,880],"fishingButton":[1625,880],"againButton":[1420,950],"WatchRange":{"position1":[1195,135],"position2":[1305,140]},"AgainRange":{"position1":[1250,920],"position2":[1290,960]},"StinkyRange":{"position1":[626,530],"position2":[629,600]},"EnergyRange":{"position1":[1366,189],"position2":[1367,209]},"stinkColor":[239,199,107],"slowColor":[99,77,66],"againColor":[255, 199, 99],"energyColor":[255,170,90]
}

安装库

复制下面的命令,在命令框中输入即可自动安装清华镜像下的依赖库。如果不会安装,还是去看一下上文B站up的视频,会有讲解pip指令的教程,这里也只是需要知道在哪里输入就可以了。或者去搜一下别人的文档,只要能确定在那里输入就可以。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keyboard pillow pyautogui pygetwindow numpy

说明

  1. 脚本是针对雷电模拟器做的适配,因此最好不要换模拟器,而且甚至版本都不要变。
  2. 窗口分辨率设置为平板版 > 1920x1080(dpi 280)。代码中做了窗口检测,而且需要做到像素匹配。这里代码中像素匹配是1962x1115,设置分辨率后应该就是这个尺寸,不要缩放,如果缩放了,改成其他分辨率后再改回来。
  3. 再runTime中输入此次运行次数,如果不写就会按照我的代码默认参数999次去运行下去了。且换鱼饵是要重开的
  4. 脚本是模拟鼠标操作,所以不要让任何可能影响点击的操作置于模拟器前,运行脚本时模拟器必须处于显示的状态,而不是最小化。
  5. 可以按下esc退出,如果前10秒左右按下,其他功能会终止,由于代码中的延迟语句的缘故,代码整体会等一会才能终止。10秒左右之后,可以立即终止。
  6. 运行时要先进入开始垂钓的界面中运行脚本。
  7. 本脚本中所有用到的位置信息全部存放在position.json中,可以根据自己的需求进行更改。但是需要注意的是分辨率的更改可能会引起操作、监控位置以及阈值信息的改变,需要手动测试。

By-Round Moon

后继

这个脚本没有对其他电脑做过测试,我的电脑比较好的OMEN,所以运行流畅,但是我的脚本是基于监控信息加进程通信实现的,有可能不同电脑性能不一样导致无法运行,而且刺鱼操作需要调试,但是基本无妨。
另外最近脚本交易盛行,有可能会被他人使用,这里标识一下我的创作日期是2024年10月19日晚22点,为了完成2024年的1024任务所以等到1024当天再发布。本脚本完全开源,欢迎大家交流,且未经本人允许禁止转载。

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/web/56554.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

笔试第五行

static作用&#xff1a; 1.函数体内&#xff0c;一个被声明为静态的变量在这一函数被调用时值维持不变。 2.函数体外&#xff0c;模块内&#xff0c;一个被声明为静态的变量可以被模块内函数访问&#xff0c;但不能模块外函数访问&#xff0c;这是一个本地的全局变量。 3.模…

k8s部署使用有状态服务statefulset部署eureka集群,需登录认证

一、构建eureka集群镜像 1、编写dockerfile文件&#xff0c;此处基础镜像为arm版本&#xff0c;eureka目录中文件内容&#xff1a;application-dev.yml、Dockerfile、eureka-server-1.0-SNAPSHOT.jar(添加登录认证模块&#xff0c;文章最后附上下载连接) FROM mdsol/java8-j…

Go使用exec.Command() 执行脚本时出现:file or directory not found

使用 Go 提供的 exec.Command() 执行脚本时出现了未找到脚本的 bug&#xff0c;三个排查思路 &#xff1a; exec.Command(execName, args…) 脚本名字不允许相对路径 exec.Command(execName, args…) execName 只能有脚本名&#xff0c;不允许出现参数 如果你是使用 Windows …

为什么要使用网络IO内存数据库?

1.摘要 学习Redis的时候&#xff0c;我有个疑问&#xff1a;Redis缓存是内存数据库&#xff0c;但是它部署在独立的一个服务器上&#xff0c;那么应用服务器访问redis不是要通过网络吗&#xff0c;那么是不是还不如从本地服务器读取数据库的效率 &#xff1f;结论是&#xff1a…

Ubuntu github 网速慢 打不开

1.在ipaddress 网站查找一下github的dns 并复制到/etc/hosts https://www.ipaddress.com/website/github.com/ 140.82.113.4 github.com 185.199.108.133 raw.githubusercontent.com #185.199.109.133 raw.githubusercontent.com #185.199.110.133 raw.githubusercontent.com …

[图像处理] 基于CleanVision库清洗图像数据集

CleanVision是一个开源的Python库&#xff0c;旨在帮助用户自动检测图像数据集中可能影响机器学习项目的常见问题。该库被设计为计算机视觉项目的初步工具&#xff0c;以便在应用机器学习之前发现并解决数据集中的问题。CleanVision的核心功能包括检测完全重复、近似重复、模糊…

ML 系列:机器学习和深度学习的深层次总结(17)从样本空间到概率规则概率

一、说明 概率是支撑大部分统计分析的基本概念。从本质上讲&#xff0c;概率提供了一个框架&#xff0c;用于量化不确定性并对未来事件做出明智的预测。无论您是在掷骰子、预测天气还是评估金融市场的风险&#xff0c;概率都是帮助您驾驭不确定性的工具。本篇将讲授概率的原理和…

论文阅读:Guided Linear Upsampling

今天介绍一篇有趣的文章&#xff0c;Guided Linear Upsampling&#xff0c;基于引导的线性上采样&#xff0c;这是发表在 ACM transaction on Graphic 的一篇工作。 Abstract 引导上采样是加速高分辨率图像处理的一种有效方法。在本文中&#xff0c;文章作者提出了一种简单而…

博客搭建之路:hexo搜索引擎收录

文章目录 hexo搜索引擎收录以百度为例 hexo搜索引擎收录 hexo版本5.0.2 npm版本6.14.7 next版本7.8.0 写博客的目的肯定不是就只有自己能看到&#xff0c;想让更多的人看到就需要可以让搜索引擎来收录对应的文章。hexo支持生成站点地图sitemap 在hexo下的_config.yml中配置站点…

问:MySQL表过大,你有哪些优化实践?

当MySQL单表记录数过大时&#xff0c;数据库的CRUD&#xff08;创建、读取、更新、删除&#xff09;性能会明显下降。为了提升性能&#xff0c;我们需要采取一些优化措施。本文将详细介绍几种常见的优化方案。 1. 限定数据的范围 描述 务必禁止不带任何限制数据范围条件的查…

优先算法——移动零(双指针)

目录 1. 题目解析 2. 算法原理 3.代码实现 题目: 力扣题目链接&#xff1a;移动零 1. 题目解析 题目截图如下&#xff1a; 不过要注意&#xff0c;这个移动题目要求是在原数组中原地操作&#xff0c;不能新额外开辟一个数组来修改。 2. 算法原理 这个原理可以称之为数…

node和npm

背景&#xff08;js&#xff09; 1、为什么js能操作DOM和BOM? 原因&#xff1a;每个浏览器都内置了DOM、BOM这样的API函数 2、浏览器中的js运行环境&#xff1f; v8引擎&#xff1a;负责解析和执行js代码 内置API&#xff1a;由运行环境提供的特殊接口&#xff0c;只能在所…

Python | Leetcode Python题解之第507题完美数

题目&#xff1a; 题解&#xff1a; class Solution:def checkPerfectNumber(self, num: int) -> bool:if num 1:return Falsesum 1d 2while d * d < num:if num % d 0:sum dif d * d < num:sum num / dd 1return sum num

使用预训练的BERT进行金融领域问答

获取更多完整项目代码数据集&#xff0c;点此加入免费社区群 &#xff1a; 首页-置顶必看 1. 项目简介 本项目旨在开发并优化一个基于预训练BERT模型的问答系统&#xff0c;专注于金融领域的应用。随着金融市场信息复杂性和规模的增加&#xff0c;传统的信息检索方法难以高效…

Python 爬虫项目实战:爬取某云热歌榜歌曲

一、网络爬虫的定义 网络爬虫&#xff08;Web Crawler&#xff09;&#xff0c;也成为网页蜘蛛或者网页机器人&#xff0c;是一种按照既定规则自动浏览网络并提取信息的程序。爬虫的主要用途包括数据采集、网络索以及内容抓取等。 二、爬虫基本原理 1、种子URL&#xff1a;爬…

01 springboot-整合日志(logback-config.xml)

logback-config.xml 是一个用于配置 Logback 日志框架的 XML 文件&#xff0c;通常位于项目的 classpath 下的根目录或者 src/main/resources 目录下。 Logback 提供了丰富的配置选项&#xff0c;可以满足各种不同的日志需求。需要根据具体情况进行配置。 项目创建&#xff0…

学习规划网络安全工程师之路

要成为一名网络安全工程师&#xff0c;尤其是在物联网安全日渐重要的背景下&#xff0c;你需要制定一个系统的学习规划&#xff0c;以掌握相关知识和技能。以下是一个具体的学习规划&#xff0c;分为基础阶段、进阶阶段和实践阶段。 学习规划 一、基础阶段&#xff08;1-3个月…

CCF-BDCI大数据与计算智能大赛TOP4-京东生鲜

2023 CCF 大数据与计算智能大赛《线上线下全场景生鲜超市库存履约一体化决策》top4南山论剑 摘要1 数据预处理1.1 数据整合1.2 数据划分 2 特征工程2.1 静态特征2.2 动态特征 3 方案设计3.1 数据构造3.2 模型训练3.3 模型融合3.4库存分配3.5 方案对比 链接: CCFBDCI-线上线下全…

Linux下EDAC功能介绍

一、背景介绍 edac 目的是在linux系统运行过程中&#xff0c;当内存错误发生时&#xff0c;能够发现并且报告出硬件错误 当内存硬件有ECC功能时&#xff0c;如果在BIOS中使能了内存ECC&#xff0c;不管内核是否启用edac&#xff0c;内存硬件ECC功能都会使能&#xff0c;由硬件自…

解决:如何在opencv中得到与matlab立体标定一样的矫正图?(python版opencv)

目的&#xff1a;采用一样的标定参数&#xff0c;matlab中和opencv中的立体矫正图像是一样的吗&#xff1f;不一样的话怎么让它们一样&#xff1f; 结论&#xff1a;不一样。后文为解决方案。 原因&#xff1a;注意matlab的标定结果在matlab中的用法和在opencv中的用法不一样&a…