在我们的生活中,微信无疑是一个重要的社交工具。无论是工作还是社交,我们都离不开它。但是,随着繁忙的生活节奏,我们可能没有足够的时间去回复每一条信息。为了解决这个问题,我在这篇博客中将分享如何使用Python创建一个微信自动回复脚本。
一、前置接口
在开始之前,确保你已经安装了以下的Python库:
pyautogui:用于模拟鼠标和键盘操作进行GUI自动化;
time:提供了各种和时间有关的功能;
pyperclip:用于访问剪切板进行复制和粘贴;
cnocr:一个用于中文OCR的Python库,能提取图片中的文字;
random:生成随机数。
一、打开微信
我们首先需要打开微信。我们将使用pyautogui库中的locateCenterOnScreen函数来找到微信图标的中心位置,并点击它。
import pyautogui as pg
import time
google_cente = pg.locateCenterOnScreen(r"C:\Users\du'xiao'nan\Pictures\2024\weixin.png", confidence=0.8)
pg.click(x=google_cente.x, y=google_cente.y, clicks=2)
time.sleep(2)
二、监听微信信息
我们现在需要让我们的脚本循环监听是否有新消息。再次使用pg.locateCenterOnScreen来找到包含新消息的红点的中心位置。
img_red = r"C:\Users\du'xiao'nan\Pictures\2024\weixinhongdian.png"
red_hot = pg.locateCenterOnScreen(img_red, confidence=0.6, region=(500,100,340,1250))
pg.click(x=red_hot.x, y=red_hot.y, clicks=1)
三、截取聊天区域并提取关键字
我们已经在对话中了,接下来需要抓取最新的消息。使用pg.screenshot切割聊天区域并保存图像,然后使用cnocr库从图像中读取文字。
from cnocr import CnOcr
pg.screenshot(r"E:\tupian\a.webp",region=(828,90,2150,1150))
ocr = CnOcr()
out = ocr.ocr(r"E:\tupian\a.webp")
arr = out[-1]['text']
print(arr)
四、根据关键字自动回复
最后,我们根据收到的文字回复。我们有一个预定的关键字及其相应的回复。我们只需匹配这些关键字并自动发送相应的回复。
import pyperclip as pc
import random
key_list = ["在干嘛", "吃了没", "可以和你说件事吗"]
reply_list = ["忙着呢", "吃过了", "有点忙"]
random_list = ["嗯嗯", "有道理", "说得对"]
if arr in key_list:
reply_index = key_list.index(arr)
pc.copy(reply_list[reply_index])
else:
pc.copy(random.choice(random_list))
pg.hotkey('ctrl', 'v',interval=0.2)
pg.press('enter')
以上,就是一个简单的微信自动回复脚本的Python实现。
五、基础版
在了解完微信自动回复的基本思路后,接下来我们将完整的将代码敲下来
首先,通过定位微信的图标并模拟鼠标点击操作打开微信。
然后,监测微信消息区域,如果有新的消息,即微信红点出现,就会点击打开。
对微信聊天区域截图,应用OCR技术提取消息中的关键词。
最后,根据关键词确定回复内容。这里有一个预设的回复列表,如果收到的信息中包含某个关键词,就会自动回复对应的内容。
#微信自动回复
# 1.将微信展开
# 2.在微信信息区行走,有人发信息,自动回复
# 3.将微信聊天区域截图,提取关键字
# 4.根据关键字,自动回复
import pyautogui as pg
import time
import pyperclip as pc
from cnocr import CnOcr
import random
# 1.将微信展开
google_cente=pg.locateCenterOnScreen(r"C:\Users\du'xiao'nan\Pictures\2024\weixin.png",confidence=0.8)
pg.click(x=google_cente.x,y=google_cente.y,clicks=2)
time.sleep(2)
#2.在微信信息区行走,有人发信息,自动回复
img_red=r"C:\Users\du'xiao'nan\Pictures\2024\weixinhongdian.png"
red_het=pg.locateCenterOnScreen(img_red,confidence=0.6,region=(500,100,340,1250))
pg.click(x=red_het.x,y=red_het.y,clicks=1)
#3.将微信聊天区域截图,提取关键字
time.sleep(2)
pg.screenshot(r"E:\tupian\a.webp",region=(828,90,2150,1150))
#将Cnocr实例化
ocr=CnOcr()
out = ocr.ocr(r"E:\tupian\a.webp")
arr=out[-1]['text']
print(arr)
#基础版
#4.根据关键字,自动回复
pg.click(x=1099,y=1257,clicks=1)
if arr=='你好':
pc.copy('你好,我是小南')
pg.hotkey('ctrl','v',interval=0.2)
pg.press('enter')
elif arr=='天气':
pc.copy('今天天气晴朗')
pg.hotkey('ctrl', 'v',interval=0.2)
pg.press('enter')
elif arr=='时间':
pc.copy(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime()))
pg.hotkey('ctrl', 'v',interval=0.2)
pg.press('enter')
elif arr=='随机数':
pc.copy(str(random.randint(1,100)))
pg.hotkey('ctrl', 'v',interval=0.2)
pg.press('enter')
elif arr=='退出':
pc.copy('再见')
pg.hotkey('ctrl', 'v',interval=0.2)
pg.press('enter')
elif arr=='Ai':
pc.copy('不,我是小南')
pg.hotkey('ctrl', 'v', interval=0.2)
pg.press('enter')
else:
pc.copy('我听不懂你在说什么')
pg.hotkey('ctrl', 'v', interval=0.2)
pg.press('enter')
time.sleep(2)
六、完整版
完整版的代码增加了一些功能和细节方面的优化。
与基础版一样,先打开微信并监测消息区域。
当检测到新信息时,也会进行截图并提取关键词。
在判断回复内容时,新增了一个关键词回复列表,可以根据接收到的信息中的不同关键词,回复不同的内容。另外,如果接收到的信息中包含的不是关键词,程序会从一个预设的随机回复列表中随机选择一条回复。
把输入回复的操作封装成了函数,增强了代码的可读性和可维护性。
加入了异常处理和计时器,如果一段时间内没有新消息,程序会输出"目前没有新消息,5秒后会再次监测",然后等待5秒后再次检测,这样可以减少不必要的循环,提高程序的效率。
#完整版
key_list = ["在干嘛", "吃了没", "可以和你说件事吗"]
# 关键字回复列表 0 1 2
reply_list = ["忙着呢", "吃过了", "有点忙"]
# 非关键字的回复列表 # 随机选取
random_list = ["嗯嗯", "有道理", "说得对"]
def center_click(img_path, clicks, region=[]):
"""
功能:
1. 对目标图片进行识别,返回中心值
2. 接收上一步中心值,对目标中心点点击
"""
chat_center = pg.locateCenterOnScreen(img_path, confidence=0.8, region=region)
pg.click(x=chat_center.x, y=chat_center.y, clicks=clicks, duration=1)
def screen_ocr():
"""
功能:
1. 微信聊天区进行截图
2. 将微信聊天区截图的文字提取出来
返回值:
1. text:识别出来的我们要回复的文字
"""
img_screen = "chatScreen.png"
pg.screenshot(img_screen, region=[828,90,2150,1150])
# 将Cnocr实例化
ocr = CnOcr()
out = ocr.ocr(img_screen)
# print(out[-1]['text']) [{},{},{}]
# 0 1 2(-1)
# 字典名[键名]
# text = out[-1]['text'] # 如果识别效果好
all_text = [i["text"] for i in out if i["score"] > 0.4] # 识别效果不好,筛选
# all_text = []
# for i in out:
# if i["score"]>0.4:
# all_text.append(i["text"])
text = all_text[-1]
print(text)
return text
def has_key():
"""
功能:1. 比对识别出来的文字是否是关键字
返回值:Int数据,如果返回的是-1,代表识别出来的文字不是关键字
如果返回是其他的整数,代表是关键字
"""
for index, item in enumerate(key_list):
if re_text == item:
return index
else:
return -1
def relpy_fun():
# 不是关键字
if re_index == -1:
# 回复的内容
random_text = random.choice(random_list)
pc.copy(random_text) # ctrl+c
pg.hotkey("ctrl", "v")
pg.press("enter")
else:
# 是关键字
random_text = reply_list[re_index]
pc.copy(random_text) # ctrl+c
pg.hotkey("ctrl", "v")
pg.press("enter")
# 1. 将微信展开
img_chat = "weChat.png"
center_click(img_path=img_chat, clicks=2)
# 确保微信完全打开
time.sleep(2)
# 5. 会监测微信消息区,有新消息的话就去执行上述2-4
while True:
try:
# 2. 在微信消息区进行监测,有人发消息,我们就点开
img_red = "redClick.png"
center_click(img_path=img_red, clicks=1, region=[500,100,340,1250])
# 3. 将微信聊天区截图,提取文字
re_text = screen_ocr()
# 4. 判断提取文字是否是关键字,是的话回复a 不是就回复b
# 4.1判断提取文字是否是关键字
re_index = has_key()
# 4.2对识别出来的文字进行回复
relpy_fun()
except:
print("目前没有新消息,5秒后会再次监测")
time.sleep(5)