内容简介:作者 | 李秋键
作者 | 李秋键
责编 | Carol
出品 | AI科技大本营(ID:rgznai100)
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,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 python 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python版本是3.6.5所用到的库有os,Python 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;pillow库中Image模块是在Python 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;Pytesseract模块是文字识别模块;webbrowser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screen.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/Desktop
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pytesseract文字识别即可。其中主要用的函数是pytesseract.image_to_strin。
pytesser里包含了tesseract.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?
tesseract是一个命令行下运行的程序,参数如下:
tesseract imagename outbase [-l lang] [-psm N] [configfile...]
imagename是输入的image的名字,outbase是输出的文本的名字,默认为outbase.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 webbrowser 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 有以下方法:
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autoraise = 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 open_new() 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,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。
作者介绍:
李秋键,CSDN 博客专家,CSDN达人课作者。硕士在读于中国矿业大学,开发有taptap安卓武侠游戏一部,vip视频解析,文意转换工具,写作机器人等项目,发表论文若干,多次高数竞赛获奖等等。
今日福利
遇见大咖
由 CSDN 全新专为技术人打造的高端对话栏目《大咖来了》来啦!
CSDN 创始人&董事长、极客帮创投创始合伙人蒋涛携手京东集团技术副总裁、IEEE Fellow、京东人工智能研究院常务副院长、深度学习及语音和语言实验室负责人何晓冬,来也科技 CTO 胡一川,共话中国 AI 应用元年来了,开发者及企业的路径及发展方向!
戳链接或点击阅读原文 ,直达报名: ht tps://t.csdnimg.cn/uZfQ
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 在线答题系统 WTS 0.9.0 发布,增加问答题编辑器样式
- 从0开始,手把手教你用Vue开发一个答题App01之项目创建及答题设置页面开发
- 如何克服面试紧张心理 ?(面试答题篇Ⅲ)
- 如何正确地谈薪?面试答题篇(Ⅴ)
- 海量数据的挑战:微博直播答题架构实践
- 面经:C++面试精品问答题总结(一)
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
UML基础与Rose建模案例
吴建 / 人民邮电出版社 / 2004-10 / 29.00元
《UML 基础与Rose建模案例》介绍了用UML(统一建模语言)进行软件建模的基础知识以及Rational Rose工具的使用方法,其中,前8章是基础部分,对软件工程思想、UML的相关概念、Rational Rose工具以及RUP软件过程等进行了详细的介绍;后3章是案例部分,通过3个综合实例,对UML建模(以Rose为实现工具)的全过程进行了剖析;最后的附录中给出了UML中常用的术语、标准元素和元......一起来看看 《UML基础与Rose建模案例》 这本书的介绍吧!