Python实现微信找茬小游戏自动进行

最新推荐文章于 2023-02-16 14:01:55 发布
最新推荐文章于 2023-02-16 14:01:55 发布
阅读量1.2w 收藏 10
点赞数
分类专栏： Python3 Game 文章标签： Python 找茬小游戏
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zyc121561/article/details/80385522
版权

摘要：这篇文章介绍微信小程序“大家来找茬”怎么使用程序自动“找茬”，使用到的工具主要是Python3和adb工具。

作者：yooongchun
微信公众号： yooongchun小屋
这里写图片描述

腾讯官方出了一个小程序的找茬游戏，如下示意：
这里写图片描述
很多时候“眼疾手快”比不过别人，只好寻找一种便捷的玩法：程序自动实现！
这里使用的是Python3

  • 第一步：获取手机截图
os.system("adb.exe exec-out screencap -p >screenshot.png")

上面的命令获得的截图在windows系统上会出错，这是由于windows默认使用的换行符为\r\n 而Andriod系统使用的是Linux内核，其换行表示为\n ，在手机端把二进制数据流传输给电脑时，windows会自动把\n 替换为\r\n 因而为了正确显示，还需要一个转换，我们编写Python的转换代码如下：

# 转换图片格式
# adb 工具直接截图保存到电脑的二进制数据流在windows下"\n" 会被解析为"\r\n",
# 这是由于Linux系统下和Windows系统下表示的不同造成的，而Andriod使用的是Linux内核
def convert_img(path):
    with open(path, "br") as f:
        bys = f.read()
        bys_ = bys.replace(b"\r\n", b"\n")  # 二进制流中的"\r\n" 替换为"\n"
    with open(path, "bw") as f:
        f.write(bys_)
  • 第二步：图片裁剪
    获得的图片有多余的部分，需要进行裁剪，使用Python的opencv库，代码如下：

# 裁剪图片
def crop_image(im, box=(0.20, 0.93, 0.05, 0.95), gap=38, dis=2):
    '''
    :param path: 图片路径
    :param box: 裁剪的参数：比例
    :param gap: 中间裁除区域
    :param dis: 偏移距离
    :return: 返回裁剪出来的区域
    '''
    h, w = im.shape[0], im.shape[1]
    region = im[int(h * box[2]):int(h * box[3]), int(w * box[0]):int(w * box[1])]
    rh, rw = region.shape[0], region.shape[1]
    region_1 = region[0 + dis: int(rh / 2) - gap + dis, 0: rw]
    region_2 = region[rh - int(rh / 2) + gap: rh, 0:rw]

    return region_1, region_2, region
  • 第三步：图片差异对比
    图片差异对比这就很好理解了，把两张图片叠到一起，相减，剩下的就是不同的地方了，当然，这里有几个细节需要注意：原图的截取，上面从手机获取的截图有很多非目标区域，因而我们需要定义截图区域，这就是我们程序中需要给出的box参数：
    box=(0.2,0.93,0.05,0.95)
    这里，参数依次代表：
    开始截取的列=0.2*图片宽，停止截取的列=0.93*图片宽
    开始截取的行=0.05*图片高，开始截取的行=0.95*图片高
    然后，仔细观察你会发现中间还有一块多余的区域，把上下两张图分开只需要给出中间区域要截除的像素值，这也就是我们程序运行的第二个参数：
    gap=38
    这里代表把第一次截图得到的图片二分后分别截去38像素的高度。
    这时，还有一个问题要注意的是，我们截图参数是根据肉眼分辨设置的，你截图的结果可能并不是严格的目标图片的开始行列，这时，得到的两张图片会存在很小的错位，为了微调这个错位，我们给出程序的第三个参数：
    dis=2
    这代表两张图片在进行相减作差的时候会微调两行。
    好了，得到差异图片后我们来看看效果
    这里写图片描述
    哈，五个不同的地方，终于“原形毕露”！
# 查找不同返回差值图
def diff(img1, img2):
    diff = (img1 - img2)
    # 形态学开运算滤波
    kernel = np.ones((5, 5), np.uint8)
    opening = cv2.morphologyEx(diff, cv2.MORPH_OPEN, kernel)
    return opening

这时，你就可以看着这张差异图去“找茬”了。
当然，上面这张丑陋的差异图是不能忍受的，没事，我们接着改进。
找到了差异，如何“优雅”的展示差异呢？我的第一反应就是：在原图上画个圈出来，这样既直观又不失“优雅”。好吧，说干就干！
第一步，使用Opencv库检索差异图的轮廓。这里，值得一提的是在图片的右上角有个小程序的返回图标，这会干扰我们提取轮廓，因而需要先把这个图标去除。查找到轮廓之前需要把图片转换为二值图，然后运用形态学开运算去除噪声，这里涉及程序的第四个参数：滤波核尺寸：
filter_sz=25
最后查找外轮廓并根据轮廓周长保存前n个轮廓，这就是程序里的第五个参数：
num=5
然后检测轮廓的最小外接圆，找到圆心和半径，绘制到原图上，效果如下：
这里写图片描述
这么样，效果是不是更“优雅”一些了呢！


# 去除右上角的多余区域,即显示小程序返回及分享的灰色区域块
def dispose_region(img):
    h, w = img.shape[0], img.shape[1]
    img[0:int(0.056 * h), int(0.68 * w):w] = 0
    return img


# 查找轮廓中心返回坐标值
def contour_pos(img, num=5, filter_size=5):
    '''
    :param img: 查找的目标图,需为二值图
    :param num: 返回的轮廓数量，如果该值大于轮廓总数，则返回轮廓总数
    :return: 返回值为轮廓的最小外接圆的圆心坐标和半径，存放在一个list中
    '''

    position = []  # 保存返回值
    # 计算轮廓
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
    cv2.namedWindow("binary", cv2.WINDOW_NORMAL)
    cv2.imshow("binary", binary)
    kernel = np.ones((filter_size, filter_size), np.uint8)
    opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)  # 开运算
    cv2.namedWindow("open", cv2.WINDOW_NORMAL)
    cv2.imshow("open", opening)

    image, contours, hierarchy = cv2.findContours(np.max(opening) - opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    # 根据轮廓周长大小决定返回的轮廓
    arclen = [cv2.arcLength(contour, True) for contour in contours]
    arc = arclen.copy()
    arc.sort(reverse=True)
    if len(arc) >= num:
        thresh = arc[num - 1]
    else:
        thresh = arc[len(arc) - 1]
    for index, contour in enumerate(contours):
        if cv2.arcLength(contour, True) < thresh:
            continue
        (x, y), radius = cv2.minEnclosingCircle(contour)
        center = (int(x), int(y))
        radius = int(radius)
        position.append({"center": center, "radius": radius})
    return position

# 在原图上显示
def dip_diff(origin, region, region_1, region_2, dispose_img, position, box, setting_radius=40, gap=38, dis=2):
    for pos in position:
        center, radius = pos["center"], pos["radius"]
        if setting_radius is not None:
            radius = setting_radius
        cv2.circle(region_2, center, radius, (0, 0, 255), 5)
    cv2.namedWindow("region2",cv2.WINDOW_NORMAL)
    cv2.imshow("region2",region_2)
    gray = cv2.cvtColor(dispose_img, cv2.COLOR_BGR2GRAY)
    binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
    kernel = np.ones((15, 15), np.uint8)
    opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)  # 开运算
    merged = 255 - cv2.merge([opening, opening, opening])
    h, w = region_1.shape[0], region_1.shape[1]
    region[0:h, 0:w] *= merged
    region[0:h, 0:w] += region_1
    region[h + gap * 2 - dis:2 * h + gap * 2 - dis, 0:w] = region_2
    orih, oriw = origin.shape[0], origin.shape[1]
    origin[int(orih * box[2]):int(orih * box[3]), int(oriw * box[0]):int(oriw * box[1])] = region
    cv2.namedWindow("show diff", cv2.WINDOW_NORMAL)
    cv2.imshow("show diff", origin)
    cv2.waitKey(0)
# 自动点击
def auto_click(origin, region_1, box, position, gap=38, dis=2):
    h, w = origin.shape[0], origin.shape[1]
    rh = region_1.shape[0]
    for pos in position:
        center, radius = pos["center"], pos["radius"]
        x = int(w * box[0] + center[0])
        y = int(h * box[2] + rh - dis + 2 * gap + center[1])
        os.system("adb.exe shell input tap %d %d" % (x, y))
        logging.info("tap:(%d,%d)" % (x, y))
        time.sleep(0.05)

最后贴上完整的代码：

"""
大家来找茬微信小程序腾讯官方版 自动找出图片差异

"""
__author__ = "yooongchun"
__email__ = "yooongchun@foxmail.com"
__site__ = "www.yooongchun.com"

import cv2
import numpy as np
import os
import time
import sys
import logging
import threading

logging.basicConfig(level=logging.INFO)

DEBUG = True  # 开启debug模式,供调试用，正常使用情况下请不要修改


# 转换图片格式
# adb 工具直接截图保存到电脑的二进制数据流在windows下"\n" 会被解析为"\r\n",
# 这是由于Linux系统下和Windows系统下表示的不同造成的，而Andriod使用的是Linux内核
def convert_img(path):
    with open(path, "br") as f:
        bys = f.read()
        bys_ = bys.replace(b"\r\n", b"\n")  # 二进制流中的"\r\n" 替换为"\n"
    with open(path, "bw") as f:
        f.write(bys_)


# 裁剪图片
def crop_image(im, box=(0.20, 0.93, 0.05, 0.95), gap=38, dis=2):
    '''
    :param path: 图片路径
    :param box: 裁剪的参数：比例
    :param gap: 中间裁除区域
    :param dis: 偏移距离
    :return: 返回裁剪出来的区域
    '''
    h, w = im.shape[0], im.shape[1]
    region = im[int(h * box[2]):int(h * box[3]), int(w * box[0]):int(w * box[1])]
    rh, rw = region.shape[0], region.shape[1]
    region_1 = region[0 + dis: int(rh / 2) - gap + dis, 0: rw]
    region_2 = region[rh - int(rh / 2) + gap: rh, 0:rw]

    return region_1, region_2, region


# 查找不同返回差值图
def diff(img1, img2):
    diff = (img1 - img2)
    # 形态学开运算滤波
    kernel = np.ones((5, 5), np.uint8)
    opening = cv2.morphologyEx(diff, cv2.MORPH_OPEN, kernel)
    return opening


# 去除右上角的多余区域,即显示小程序返回及分享的灰色区域块
def dispose_region(img):
    h, w = img.shape[0], img.shape[1]
    img[0:int(0.056 * h), int(0.68 * w):w] = 0
    return img


# 查找轮廓中心返回坐标值
def contour_pos(img, num=5, filter_size=5):
    '''
    :param img: 查找的目标图,需为二值图
    :param num: 返回的轮廓数量，如果该值大于轮廓总数，则返回轮廓总数
    :return: 返回值为轮廓的最小外接圆的圆心坐标和半径，存放在一个list中
    '''

    position = []  # 保存返回值
    # 计算轮廓
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
    cv2.namedWindow("binary", cv2.WINDOW_NORMAL)
    cv2.imshow("binary", binary)
    kernel = np.ones((filter_size, filter_size), np.uint8)
    opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)  # 开运算
    cv2.namedWindow("open", cv2.WINDOW_NORMAL)
    cv2.imshow("open", opening)

    image, contours, hierarchy = cv2.findContours(np.max(opening) - opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    # 根据轮廓周长大小决定返回的轮廓
    arclen = [cv2.arcLength(contour, True) for contour in contours]
    arc = arclen.copy()
    arc.sort(reverse=True)
    if len(arc) >= num:
        thresh = arc[num - 1]
    else:
        thresh = arc[len(arc) - 1]
    for index, contour in enumerate(contours):
        if cv2.arcLength(contour, True) < thresh:
            continue
        (x, y), radius = cv2.minEnclosingCircle(contour)
        center = (int(x), int(y))
        radius = int(radius)
        position.append({"center": center, "radius": radius})
    return position


# 在原图上显示
def dip_diff(origin, region, region_1, region_2, dispose_img, position, box, setting_radius=40, gap=38, dis=2):
    for pos in position:
        center, radius = pos["center"], pos["radius"]
        if setting_radius is not None:
            radius = setting_radius
        cv2.circle(region_2, center, radius, (0, 0, 255), 5)
    cv2.namedWindow("region2",cv2.WINDOW_NORMAL)
    cv2.imshow("region2",region_2)
    gray = cv2.cvtColor(dispose_img, cv2.COLOR_BGR2GRAY)
    binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
    kernel = np.ones((15, 15), np.uint8)
    opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)  # 开运算
    merged = 255 - cv2.merge([opening, opening, opening])
    h, w = region_1.shape[0], region_1.shape[1]
    region[0:h, 0:w] *= merged
    region[0:h, 0:w] += region_1
    region[h + gap * 2 - dis:2 * h + gap * 2 - dis, 0:w] = region_2
    orih, oriw = origin.shape[0], origin.shape[1]
    origin[int(orih * box[2]):int(orih * box[3]), int(oriw * box[0]):int(oriw * box[1])] = region
    cv2.namedWindow("show diff", cv2.WINDOW_NORMAL)
    cv2.imshow("show diff", origin)
    cv2.waitKey(0)


# 在原图上绘制圆
def draw_circle(origin, region_1, position, box, gap=38, dis=2):
    h, w = origin.shape[0], origin.shape[1]
    rh = region_1.shape[0]
    for pos in position:
        center, radius = pos["center"], pos["radius"]
        radius = 40
        x = int(w * box[0] + center[0])
        y = int(h * box[2] + rh - dis + 2 * gap + center[1])
        cv2.circle(origin, (x, y), radius, (0, 0, 255), 3)
    cv2.namedWindow("origin with diff", cv2.WINDOW_NORMAL)
    cv2.imshow("origin with diff", origin)
    cv2.waitKey(0)


# 自动点击
def auto_click(origin, region_1, box, position, gap=38, dis=2):
    h, w = origin.shape[0], origin.shape[1]
    rh = region_1.shape[0]
    for pos in position:
        center, radius = pos["center"], pos["radius"]
        x = int(w * box[0] + center[0])
        y = int(h * box[2] + rh - dis + 2 * gap + center[1])
        os.system("adb.exe shell input tap %d %d" % (x, y))
        logging.info("tap:(%d,%d)" % (x, y))
        time.sleep(0.05)


# 主函数入口
def main(argv):
    # 参数列表，程序运行需要提供的参数
    # box = None  # 裁剪原始图像的参数，分别为宽和高的比例倍
    # gap = None  # 图像中间间隔的一半大小
    # dis = None  # 图像移位，微调系数
    # num = None  # 显示差异的数量
    # filter_sz = None  # 滤波核大小
    # auto_clicked=True
    # 仅有一个参数，则使用默认参数
    if len(argv) == 1:
        box = (0.20, 0.93, 0.05, 0.95)
        gap = 38
        dis = 2
        num = 5
        filter_sz = 13
        auto_clicked = "True"
    else:  # 多个参数时需要进行参数解析,参数使用等号分割
        try:
            # 设置参数
            para_pairs = {}
            paras = argv[1:]  # 参数
            for para in paras:
                para_pairs[para.split("=")[0]] = para.split("=")[1]
            # 参数配对
            if "gap" in para_pairs.keys():
                gap = int(para_pairs["gap"])
            else:
                gap = 38
            if "box" in para_pairs.keys():
                box = tuple([float(i) for i in para_pairs["box"][1:-1].split(",")])
            else:
                box = (0.20, 0.93, 0.05, 0.95)
            if "dis" in para_pairs.keys():
                dis = int(para_pairs["dis"])
            else:
                dis = 2
            if "num" in para_pairs.keys():
                num = int(para_pairs["num"])
            else:
                num = 5
            if "filter_sz" in para_pairs.keys():
                filter_sz = int(para_pairs["filter_sz"])
            else:
                filter_sz = 13
            if "auto_clicked" in para_pairs.keys():
                auto_clicked = para_pairs["auto_clicked"]
            else:
                auto_clicked = "True"
        except IOError:
            logging.info("参数出错，请重新输入！")
            return
    st = time.time()
    try:
        os.system("adb.exe exec-out screencap -p >screenshot.png")
        convert_img("screenshot.png")
    except IOError:
        logging.info("从手机获取图片出错，请检查adb工具是否安装及手机是否正常连接！")
        return
    logging.info(">>>从手机截图用时：%0.2f 秒\n" % (time.time() - st))
    st = time.time()
    try:
        origin = cv2.imread("screenshot.png")  # 原始图像
        region_1, region_2, region = crop_image(origin, box=box, gap=gap, dis=dis)
        diff_img = diff(region_1, region_2)
        dis_img = dispose_region(diff_img)
        position = contour_pos(dis_img, num=num, filter_size=filter_sz)
        while len(position) < num and filter_sz > 3:
            filter_sz -= 1
            position = contour_pos(dis_img, num=num, filter_size=filter_sz)
    except IOError:
        logging.info("处理图片出错！")
        return
    try:
        if auto_clicked is "True":
            threading.Thread(target=auto_click, args=(origin, region_1, box, position, gap, dis)).start()
    except IOError:
        logging.info(">>>尝试点击出错！")
    logging.info(">>>处理图片用时：%0.2f 秒\n" % (time.time() - st))
    try:
        dip_diff(origin, region, region_1, region_2, dis_img, position, box)
        # draw_circle(origin, region_1, position, box, gap=gap, dis=dis)
    except IOError:
        logging.info("重组显示出错！")
        return


if __name__ == "__main__":
    if not DEBUG:
        while True:
            main(sys.argv)
    else:
        box = (0.19, 0.95, 0.05, 0.95)
        gap = 38
        dis = 2
        num = 5
        filter_sz = 13
        origin = cv2.imread("c:/users/fanyu/desktop/adb/screenshot.png")  # 原始图像
        region_1, region_2, region = crop_image(origin, box=box, gap=gap, dis=dis)
        cv2.namedWindow("", cv2.WINDOW_NORMAL)
        cv2.imshow("", region_2)
        diff_img = diff(region_1, region_2)
        dis_img = dispose_region(diff_img)
        cv2.namedWindow(" ", cv2.WINDOW_NORMAL)
        cv2.imshow(" ", region_1)
        cv2.imshow("", dis_img)
        position = contour_pos(dis_img, num=num, filter_size=filter_sz)
        dip_diff(origin, region, region_1, region_2, dis_img, position, box)
        # draw_circle(origin, region_1, position, box, gap=gap, dis=dis)

另外，可到我的github下载完整版：
https://github.com/yooongchun/auto_find_difference

也可以到微信公众号查看完整的文章：yooongchun小屋

zoz.cool
关注
  • 0
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
qq游戏大家来找茬全自动查找.zip
10-22
压缩包自带 使用说明 方便简单
python实现图片找不同游戏_python opencv skimage比较图像之间的不同，“来找茬”
weixin_39595302的博客
12-22 1093
image本文主要是解决从两张图中寻找不同之处，类似于“找茬”小游戏。为了比较两张图片的结构化差异，寻找两张图中的不同，引入了Structural Similarity Index 指标。而这个指标直接scikit-image 库中集成，可直接调用。环境依赖：OpenCV, scikit-image, imutils。imageFigure 1: Manually inspecting the d...
python系列：玩转大家来找茬
kucece的专栏
01-19 2314
心血来潮，想写个大家来找茬的外挂。         先说下大致思路： 1.利用python调用win32截取QQ游戏的大家来找茬的两幅图。 2.计算两幅图的差值图像 3.对插值图像过滤，色域筛选，二值化，圈出差异轮廓 4.将差异轮廓的坐标，一一映射到屏幕坐标 5.利用控制鼠标点击相应的位置 源码详见：大家来找茬，点击打开链接！！！
QQ大厅游戏 大家来找茬辅助
qq_15682489的博客
07-24 5000
本宝宝又回来了 Python做个简单的游戏辅助我在玩QQ游戏 比如大家来找茬的时候 眼力不是很好 经常找不到，但是又好奇 这我没找到的位置都在哪里呢？所以我做个辅助帮我把两幅图的像素相减，再把得到的噪点值粘回去到某幅图上，总体流程列出来就是 找到”大家来找茬”游戏窗口句柄，窗口提到最前好截图 切分左右两张图片，切成小图后根据像素区间分布找出差值比较大的矩形标出 OpenCv的两张图像像素
python图片，大家来找茬
qq_26983201的博客
03-29 796
1安装pil库。 因为pil仅支持python2,python3的由pillow代替。 关于Pillow与PIL PIL(Python Imaging Library)是Python一个强大方便的图像处理库，名气也比较大。不过只支持到Python 2.7。 PIL官方网站：http://www.pythonware.com/products/pil/ Pillow是PIL的一个派生分支...
牛逼，Python3竟然内置找茬神器！一起来找茬吧！
cainiao_python的博客
04-12 473
点上方“菜鸟编程大本营”，选择“星标” 原创干货，第一时间送达 对于“大家来找茬”这个游戏而言，小伙伴们肯定不会陌生，找茬游戏对于大家的耐心和细心是一个非常大的考验。对于python程序来...
python找不同_用Python玩大家来找茬
weixin_39929138的博客
11-27 543
Jupyter Notebook:用Python玩大家来找茬​fivecakes.com最近学习计算机视觉的时候遇到找两张图片不同的问题,找到解决方案后,在QQ游戏大家来找茬中实验了一下效果.要找不同首先得把两张图片提取出来嘛,我们先把电脑屏幕截图,然后再提取我们需要的图片.我对比过pyscreenshot,PIL和win32gui三种截屏库的截屏速度,发现PIL比其他的截屏方式快那么一点.屏幕截...
数字图像处理——大家来找茬（Python）
AMissingWolf的博客
08-16 963
这里面我想到了一个很好的区域判别手段，能够将某一区域内具有特殊相同性质的点提取到一起，在这里可以体现为在一个只有0和1存在的大矩阵中，将0作为背景，1作为一个特殊性质，可以将某一块聚集在一起的标签为1的点提取到一起，给与一个新的标签，其他区域的聚集在一起的标签为1的点又给与另一个新标签 即在找不同中体现为能够将两张图片某一处不同所覆盖的点提取到一起，方便进行该处不同的展示，只要将整张图片的不同之处都分别提取出来，即完成了找不同的目的 主要步骤就是将两张待比较的图片进行做差，进行上述的区域提取即可 实验数据：
最强找茬小程序
最新发布
CarveStone的博客
02-16 630
最强找茬小程序，支持好友对战。修改前台源码（用微信开发者工具打开wxapp）点击siteinfo.js，我这里使用的编辑器是HBuilder。买一个域名，并配置ssl证书，也可以用宝塔的Let’s Encrypt免费证书。登陆微信官方小程序后台，设置->开发设置，配置服务器域名，把上图的信息填进去。安装模块 进入微擎后台点击 系统/小程序应用/未安装应用/点击安装即可。把uniacid，acid的两个值修改为小程序的id。
python制作"QQ游戏--大家来找茬"游戏辅助（一）
05-15 3087
  "大家来找茬"是我小时候在家里家里人都喜欢玩的一款休闲游戏，因为这游戏可以考验人的眼力和反应能力才不是因为电脑垃圾玩不了其他大作游戏(╯‵□′)╯︵┻━┻   最近了解到了一个特别牛逼的python第三方库———pywin32库，这个库是超级牛逼，打个比方，可以根据你的代码，大到鼠标操作，键盘操作，小到弹窗的声音，都能做到。不过网上关于该库的教程太少了，找不到专门的python文档来看。   ...
Python-微信小游戏大家来找茬腾讯版辅助
08-10
微信小游戏 大家来找茬腾讯版 辅助
python实现微信小程序自动回复
09-20
主要介绍了python实现微信小程序自动回复，使用itchat模块进行微信私聊消息以及群消息自动回复，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
使用python实现微信小程序自动签到功能
09-16
主要介绍了使用python实现微信小程序自动签到功能，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
通过Python实现微信自动发消息
03-06
通过Python实现微信自动发消息，能够通过链接进程下载微信通讯录至excel，然后通过Python读取excel，模拟键鼠给联系人发消息
PDF电子发票内容提取
热门推荐
永春的CSDN博客
07-05 4万+
Python提取PDF发票内容保存到Excel 摘要：这篇文章介绍如何把发票内容提取出来保存到Excel中。文章分为两个部分，第一部分程序用法，第二部分介绍代码。 作者：yooongchun CSDN博客：https://blog.csdn.net/zyc121561 微信公众号：yooongchun小屋 程序功能及使用： 程序会把发票中的内容提取出来然后写入Ex...
Python提取PDF内容（文本、图像、线条等）
永春的CSDN博客
09-07 4万+
使用Python抽取PDF文件内容，包括文本、图像、线条等对象摘要：这篇文章主要介绍如何使用Python【3.6版本】中的PDFminer3k 模块来抽取PDF内容，包括文本、图像、曲线等。1.安装PDFminer3k使用pip 命令安装pip install pdfminer3k2.编写测试 你可以在这里获得官方参考：PDFMiner 如果你不喜欢看英文的官方文档，这里的翻译也许对你有帮助：中文P
解决pyinstaller 打包后运行exe程序出现的"ModuleNotFindError"
永春的CSDN博客
03-15 3万+
在用pyinstaller打包python程序 pyinstaller版本为：3.3.1 python 版本：3.6.1 系统版本：Windows-10-10.0.16299-SP0 我的python程序名为：data_processing_gui.py 程序在python环境下正常运行。 打包使用的格式为：pyinstaller -F -p &amp;lt;导入的包路径&amp;gt; mypr...
提取PDF内容保存到Excel--Python实现
永春的CSDN博客
08-16 3万+
摘要：最近需要将一批PDF文件中的某些数据整理到Excel中，因为文件数量接近20w+，手动更新几乎不现实，于是就提取关键词和内容动手写了个Python小工具，以实现自动完成上述目标。
PDF内容替换--Python实现
永春的CSDN博客
09-07 3万+
使用python把pdf转换为word然后替换word中的文字内容 摘要：这篇文章介绍了如何使用python【3.6版本】把pdf文件转换为word文档并替换word文档中的文字内容，这里替换的规则是中英转换或者其它自定义规则 pdf转换为word pdf文件由于很难编辑，因而想要通过编程修改内容有些困难【不是不可能，只是代价比较大，特别是要保留原pdf格式的话】，故而这里介绍一...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

zoz.cool

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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