python 安卓库_python 库实战 - 安卓简易自动化框架

主要功能:

0、安装、启动、卸载app

1、模拟点击(基于坐标)

2、模拟滑动(基于坐标)

3、文本输入(支持中文输入)

4、屏幕截图

3、文本识别(用于断言)

4、图片识别(用于断言)

废话不多说,代码比较清楚

#-- coding: utf-8 --

import sys,os

from PIL import Image

import pytesseract

import time

import cv2 as cv

import numpy as np

"""

使用前提:

1、 本地需要有adb,并且配置了环境变量

2、 检查设备连接状态的时候只检查了是否有模拟器,并且只能一个设备,如果有其他需求可以自行修改 check_devices_state 函数即可

3、 使用了图片文字识别工具(安装好后需要配置环境变量):http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe 下载好安装的时候需要勾选下载所有语言库。单独中文语言库安装路径:https://github.com/tesseract-ocr/tessdata/find/master/chi_sim.traineddata

4、 使用到了第三方库:PIL(这是一个图片处理库) , 使用 pip install Pillow 命令进行安装

5、 需要使用三方库:pytesseract(这是一个图片文字识别库), 使用 pip install pytesseract 命令进行安装(如果已经配置过tesseract的环境变量则不需要额外配置)

6、 需要使用第三方库:numpy和cv2 用于做图片图片匹配使用,分别使用领命 pip install opencv-python 和 pip install numpy 进行安装

"""

#-- coding: utf-8 --

import sys,os

from PIL import Image

import pytesseract

import time

import cv2 as cv

import numpy as np

sys.path.append("E:\\myPython\\autoTest")

from printColor import winColor # 导入自己的方法库

# 安卓基础类

class Android_auto_test:

# 检查设备连接状态的函数,只适用于模拟器

def check_devices_state(self):

flag = 0

while flag < 3:

command_result = str(os.popen("adb devices").readlines())

if "127.0.0.1" in command_result or "emulator-5554" in command_result:

return True

else:

print("未检测到设备,重启adb服务... ...")

os.system("adb kill-server")

os.system("adb start-server")

flag = flag+1

winColor().print_red_text("Error:未找到模拟器设备,请确认模拟器设备是否存在")

exit(0)

# 安装apk,传入apk路径

def install_apk(self, apkPath):

self.check_devices_state()

try:

os.system("adb install -r {}".format(apkPath))

except:

winColor().print_red_text("Error: install faild")

exit(0)

# 卸载apk,传入包名进行卸载

def uninstall_apk(self, packageName):

self.check_devices_state()

os.system("adb uninstall {}".format(packageName))

# 获取apk包名。需要使用aapt命令,请确保本地有该命令的运行环境先

def get_package_name(self, apkPath):

command_result_name = os.popen("aapt dump badging {} | findstr name".format(apkPath)).read()

packageName = command_result_name.split()[1].split("'")[1]

command_result_activty = os.popen("aapt dump badging {} | findstr activity".format(apkPath)).read()

launchActivityName = command_result_activty.split()[1].split("'")[1]

return packageName, launchActivityName

# 启动游戏

def launch_game(self, packageName, launchActivity):

self.check_devices_state()

try:

os.system(r"adb shell am start {}/{}".format(packageName, launchActivity))

except:

winColor().print_red_text("Error: 启动失败, 需要用 包名/包名.activity名 来启动游戏")

X, Y = 0, 0

def __init__(self):

self.check_devices_state()

X, Y = os.popen("adb shell wm size").read().strip().split(":")[-1].strip().split("x") # 获取模拟器尺寸

# 截图,返回截图存放路径。可自定义截图尺寸,需要传入左上角x,y和右下角x,y

def screencap(self, startX = 0, startY = 0, endX = X, endY = Y):

self.check_devices_state()

os.system("adb shell screencap /data/local/tmp/test.png")

os.system("adb pull /data/local/tmp/test.png tmp.png")

if endX != self.X:

img = Image.open("tmp.png")

cropped = img.crop((startX, startY, endX, endY)) # (left, upper, right, lower)

cropped.save("tmp.png")

pypath = os.path.realpath( os.path.dirname(__file__) )

return os.path.join(pypath, "tmp.png")

# 识别图片中的文字。对图片进行灰度、二化值处理

def get_picture_str(self, picturePath, colorValue = None):

# 实际多次测试后发现,对于我们游戏内字体,无需进行二化值处理即可识别,但是需要对要识别的图片进行一下剪裁来提高识别效率

# 图片灰度处理

picture = Image.open(picturePath).convert('L')

picture.save(picturePath, dpi=(300.0,300.0))

## 二值化,采用阈值分割法,threshold为分割点

if colorValue != None:

winColor().print_green_text("Message: 使用二值化处理, 分割点:{}".format(colorValue))

threshold = colorValue

table = []

for j in range(256):

if j < threshold:

table.append(0)

else:

table.append(1)

newPicture = picture.point(table, '1')

## 保存的时候调整屏幕分辨率为300,有利于 tesseract 识别

newPicture.save(picturePath, dpi=(300.0,300.0))

# 识别

text=pytesseract.image_to_string(Image.open(picturePath), lang='chi_sim')

return text

# 文字是否在屏幕中 - 检查5次。

def check_str_exist(self, checkStr, startX = 0, startY = 0, endX = X, endY = Y, times = 5):

flag = 0

while flag < times:

if checkStr in self.get_picture_str(self.screencap(startX, startY, endX, endY), colorValue = None):

return True

flag = flag + 1

time.sleep(1)

return False

# 点击坐标, 使用的模拟器屏幕分辨率为 1280x720

def click(self, x, y):

self.check_devices_state()

os.system("adb shell input tap {0} {1}".format(x,y))

time.sleep(0.5)

# 从一个坐标滑动到另一个坐标,t表示滑动耗时

def swipe(self, oldx, oldy, newx, newy, t):

self.check_devices_state()

cmd = "adb shell input swipe {0} {1} {2} {3} {4}".format(oldx, oldy, newx, newy, t)

os.system(cmd)

time.sleep(1)

# 输入文本

def set_text(self, s):

self.check_devices_state()

#如果要输入的文本中包含空格,则必须使用keyevent 62来代替,以下的写法最后会多输入一个空格;不过对我自己没什么影响所以就没处理了

if len(s.split()) == 1:

os.system("adb shell input text '{0}'".format(s) )

else:

for i in s.split():

os.system("adb shell input text '{0}'".format(i))

os.system("adb shell input keyevent 62")

time.sleep(1)

# 输入含有中文的文本( 需要在模拟器上预先安装 ADBKeyBoard.apk)

def set_text_utf8(self, s):

self.check_devices_state()

cmd = "adb shell am broadcast -a ADB_INPUT_TEXT --es msg '%s'" %s

os.system(cmd)

# 图片识别,根据传入的图片,获取该图片在屏幕中的位置, 传入图片和相似度(取0-1,最好使用0.99), 还可以传入需要获取的point位置,上中下

def get_flagPicture_point(self, flagPicture, precision = 0.99, locationPoint = "center"):

flag1 = 0

while flag1< 5:

screencapPicture = self.screencap()

flag = cv.imread(flagPicture)

screen = cv.imread(screencapPicture)

result = cv.matchTemplate(screen, flag, cv.TM_CCORR_NORMED) #模板匹配,使用cv.TM_SQDIFF_NORMED方法

y, x = flag.shape[:2] #返回图片的高和宽

min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)

if max_val >= precision: #这里做一个判断,经过大量测试,能匹配到的图片阈值大于0.99的时候,才是真的匹配到了

tl = max_loc

if locationPoint == "center":

point = (tl[0] + x/2, tl[1] + y/2)

if locationPoint == "bottom": # 1160 439 1160 444

point = (tl[0] + x/2, tl[1] + y)

if locationPoint == "top":

point = (tl[0] + x/2, tl[1])

return point

else:

flag1 = flag1 + 1

time.sleep(2)

return False

"""

# 模板匹配demo

# def find_picture(picture, flag):

# methods = [cv.TM_SQDIFF_NORMED, cv.TM_CCORR_NORMED, cv.TM_CCOEFF_NORMED] #三种比对方式

# x,y = flag.shape[:2] #返回图片的长和高

# for md in methods:

# result = cv.matchTemplate(picture, flag, md) #模板匹配

# cv.TM_SQDIFF_NORMED: minval越小匹配效果越好

# cv.TM_CCORR_NORMED: max_val越接近1效果越好

# cv.TM_CCOEFF_NORMED: max_val越接近1效果越好

# min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)

# if md == cv.TM_SQDIFF_NORMED:

# tl = min_loc

# else:

# tl = max_loc

# br = (tl[0]+y, tl[1] + x)

# cv.rectangle(picture, tl, br, [0,0,0])#在picture上画一个矩形,参数:原图,矩阵坐上坐标,矩阵右下坐标,划线的颜色,划线的宽度

# cv.imshow(np.str(md), picture) #展示图片(图片名,原图)

# picture = cv.imread("C:\\Users\\xuzhonghui\\Desktop\\MyTools\\find\\flag1.png")

# flag = cv.imread("C:\\Users\\xuzhonghui\\Desktop\\MyTools\\find\\picture1.png")

# find_picture(picture, flag)

# cv.waitKey()

# cv.destoryAllWindows()

"""

# 断言成功则点击对应位置,否则报错停止脚本运行,为了减少代码量,专门写的一个函数

def click_str(self, checkStr, startX = 0, startY = 0, endX = X, endY = Y, clickX = 0, clickY = 0, ErrorCode = 0):

if self.check_str_exist(checkStr, startX, startY, endX, endY) == True:

self.click(clickX, clickY)

else:

winColor().print_red_text("stepError: errorCode = {}".format(ErrorCode))

exit(0)

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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