扫的多音字组词?
2022-06-18
更新时间:2022-12-24 20:10:58作者:佚名
引言
如果谈到这几年手机上各平台最常见的引流福利,必然是 答题赢大奖系列 小游戏了。像什么头号英雄,百万玩家之类的,充斥在我们生活中,同时也成为了我们生活中常见的娱乐方式。
但是有时候就会想,能不能实现 手机自动答题 呢,毕竟网络上是充斥着很多问题的答案,自己手动搜题速度显然来不及。答案是当然可以 ,今天我们就来用手机连接电脑,让电脑自动搜索答案,省时省力省心。
这一项目中主要用到了 文字识别 和 浏览器 操作,其中文字识别是 利用计算机自动识别字符的技术,是模式识别应用的一个重要领域。
人们在生产和生活中,要处理大量的文字、报表和文本。为了减轻人们的劳动,提高处理效率, 50 年代开始探讨一般文字识别方法,并研制出光学字符识别器。 60 年代出现了采用磁性墨水和特殊字体的实用机器。
60 年代后期新英雄年代答题器,出现了多种字体和手写体文字识别机,其识别精度和机器性能都基本上能满足要求。如用于信函分拣的手写体数字识别机和印刷体英文数字识别机。 70 年代主要研究文字识别的基本理论和研制高性能的文字识别机,并着重于汉字识别的研究 。
基于一些基础认识,下面我们先来思考下,实现这一项目的整体思路:做这一项目首先会存在以下疑问:
1、 我们要让手机连接电脑,但是怎么让电脑自动控制手机呢
2、 手机上是显示文字的,但是怎么让电脑看懂你手机上的文字呢
3、 电脑知道了问题后如何借助网络搜答案呢?
针对上面的问题,我们大概想了下思路:
1、 让电脑能够控制手机,一般都是利用 usb 把手机连接到电脑上。然后借助 ADB 实现对手机的调控,包括点触、滑动、截图等等功能。
2、 让电脑能够看懂文字,必然需要对手机屏幕截图,然后对截图中的文字识别即可
3、 让电脑操控浏览器搜题,用 的库即可实现
了解了整体思路后,下面开始我们的实验。
实验前的准备
首先我们使用的版本是3.6.5所用到的库有os, 中os模块包含普遍的操作系统功能。
如果你希望你的程序能够与平台无关的话,这个模块是尤为重要的;库中Image模块是在 PIL图像处理中常见的模块,对图像进行基础操作的功能基本都包含于此模块内;模块是文字识别模块;是实现浏览器的操作;time库实现等待下一题之间的间隔时间等待。
自动获取手机文字1 、利用 ADB 控制手机:
ADB是安卓手机常见的调控插件,我们需要将手机数据线和电脑连接,然后借助adb实现对手机的截屏并保存在指定路径。Adb控制指令如下:
截取屏幕,图片命名为.png :
os.system("adb shell /system/bin/screencap -p /sdcard/screen.png") #截取屏幕,图片命名为screen.png
将截图保存到电脑,路径为:C:/Users/jia/
os.system("adb pull /sdcard/screen.png C:/Users/jia/Desktop") #将截图保存到电脑在桌面
模拟点击屏幕,x y分别为点击处的像素
os.system("adb shell input tap {}{}".format(x,y))#x ,y为点击处的像素点
详细代码如下:
#adb手机截图
def get_image():
os.system('adb shell screencap -p /sdcard/image.png')
os.system('adb pull /sdcard/image.png .')
xigua_size = (150,530,1800,800)
2 、对图片文字识别:
文字识别部分为了方便快速,我们直接使用文字识别即可。其中主要用的函数是.。
里包含了.exe和英语的数据包(默认只识别英文),还有一些示例图片,所以解压缩后即可使用。
同时模块需要PIL库的支持。
如何识别率低的问题?
可以增强图片的显示效果,或者将其转换为黑白的,这样可以使其识别率提升不少。
识别其他语言?
是一个命令行下运行的程序,参数如下:
tesseract imagename outbase [-l lang] [-psm N] [configfile...]
是输入的image的名字,是输出的文本的名字,默认为.txt ,-l lang 是定义要识别的的语言,默认为英文。
详细代码如下:
#读取图像
get_image()
img=Image.open('image.png')
img_que = img.crop(xigua_size)
#识别截图文字
question=pytesseract.image_to_string(img_que,lang='chi_sim')
获取文字后,对文字做一些处理,去除没必要的信息。
question=question.replace(' ','').replace('n','')
que = question[question.find('.')+1: question.find('?')]
自动搜题的实现1 、浏览器操作:
在识别问题的基础上,我们通过 打开浏览器,并操作浏览器搜索答案。
其中主要用到的方法如下:
webbrowser.open(url[, new=0[, autoraise=1]])
这个方法是在默认的浏览器中显示url, 如果new = 0, 那么url会在同一个浏览器窗口下打开,如果new = 1, 会打开一个新的窗口,如果new = 2, 会打开一个新的tab, 如果 = true, 窗口会自动增长。
webbrowser.open_new(url)
在默认浏览器中打开一个新的窗口来显示 url, 否则,在仅有的浏览器窗口中打开 url 。
webbrowser.open_new_tab(url)
在默认浏览器中当开一个新的 tab 来显示 url, 否则跟 () 一样、
webbrowser.get([name])
根据 name 返回一个浏览器对象,如果 name 为空,则返回默认的浏览器
webbrowser.register(name, construtor[, instance])
注册一个名字为 name 的浏览器,如果这个浏览器类型被注册就可以用 get() 方法来获取。
详细代码如下:
#引擎搜索
url = "https://www.baidu.com/s?wd=" +que
webbrowser.open(url)
get_image()
img=Image.open('image.png')
img_que = img.crop(xigua_size)
question1= pytesseract.image_to_string(img_que,)
question1=question1.replace(' ','').replace('n','')
que = question1[question.find('.')+1: question.find('?')]
while True:
while(question1==question):
get_image()
img = Image.open('image.png')
img_que = img.crop(xigua_size)
question1 = pytesseract.image_to_string(img_que,)
question1 = question1.replace(' ', '').replace('n', '')
que = question1[question.find('.') + 1: question.find('?')]
get_image()
img = Image.open('image.png')
img_que = img.crop(xigua_size)
# 识别截图文字
question = pytesseract.image_to_string(img_que,)
question = question.replace(' ', '').replace('n', '')
que = question[question.find('.') + 1: question.find('?')]
continue
while(question1!=question):
get_image()
img = Image.open('image.png')
img_que = img.crop(xigua_size)
# 识别截图文字
question = pytesseract.image_to_string(img_que,)
question1 = pytesseract.image_to_string(img_que,)
question1 = question1.replace(' ', '').replace('n', '')
que = question1[question.find('.') + 1: question.find('?')]
question = question.replace(' ', '').replace('n', '')
que = question[question.find('.') + 1: question.find('?')]
# 引擎搜索
url = "https://www.baidu.com/s?wd=" + que
webbrowser.open(url)
continue
到这里,我们整体的程序就搭建完成新英雄年代答题器,下面为我们程序的运行结果:
试试用这个方法参加《百万答题》类小游戏,或许下一个百万获奖人就是你。