php小程序 跳一跳,微信小程序跳一跳游戏 python脚本跳一跳刷高分技巧

前言

小程序跳一跳最近很火,之前爆出微信游戏小程序漏洞,网上也不乏大神。这里就用一大神的python脚本来刷下高分。

配置过程

注: 电脑环境未配置python环境,请自行谷歌或者百度配置,这里不再做叙述。

1. 将上述传送门整个项目拷贝到本地(用git命令,或者直接压缩包下载,这里大家随意)。比如我这里下载压缩包,解压我电脑以下的目录。

95ae3c1da39c05eb981031716982e1b3.png

2. 楼主用的是 ios , 操作起来比较繁琐,也懒得找测试要 Android 测试机,所有就下了模拟器测试,首推雷电模拟器,安装好雷电模拟器,在模拟器中下载安装微信,记得下载或者更新到最新版本的微信,不然无法打开跳一跳小游戏。

3. 自行配置雷电模拟器。以下是博主测试时候设置的情况。

125a525f4b1a2bab0110c03e9b157429.png 

eea093ec3364eff2721b26438f0744b2.png

4. 切换至项目的 /Tools/adb 目录,cmd命令执行以下命令:

adb devices

c559bdb99cea4e4f108290df25f7f481.png

图示 emulator-5554 device 则说明检查到我们的模拟器设备。

5. 切换至项目的根目录下,新建 ‘config.json'文件,将以下内容拷贝至该json文件中(博主已调整好的当前机型的参数):

{

"under_game_score_y": 300,

"press_coefficient": 1.392,

"piece_base_height_1_2": 24,

"piece_body_width": 79,

"swipe": {

"x1": 500,

"y1": 1600,

"x2": 500,

"y2": 1602

}

}

6. 雷电模拟器先进入跳一跳小程序,点击开始运行,然后cmd 命令行在项目根目录运行以下命令执行python脚本即可:

python wechat_jump_auto.py

edffd354d4f30b4dcc94d07a057b1b65.png

f491e0d84c49b80e11a7e7c5eadca9d7.png

成果

附上几张博主的成果图:

ba51b9683721a5ca4b8c49e782b81c03.png

25a3867fd8b8cf16c521b6541e9e657b.png

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。

更多内容大家可以参考专题《微信跳一跳》进行学习。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值