小猿口算外桂之 ocr 篇

import cv2

import uiautomator2 as u2

import numpy as np

import pyautogui

import pytesseract

import keyboard

import sys

import time

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' # 设置 Tesseract-OCR 的路径

# 跟踪状态的变量

not_found_count = 0

last_not_found_time = 0

last_numbers = None  # 存储上次识别的数字

skip_count = 0  # 跳过次数计数器

# 连接到设备

d = u2.connect()

def log_time(label, start_time):

    """打印执行时间的辅助函数"""

    elapsed_time = time.time() - start_time

    print(f"{label} 耗时：{elapsed_time:.4f} 秒")

def capture_area():

    region = (180, 400, 460, 130)  # (x, y, width, height)

    screenshot = pyautogui.screenshot(region=region)

    return np.array(screenshot)

def recognize_numbers(image):

    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 使用 OpenCV 库将输入的彩色图像转换为灰度图像

    _, thresh = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)  # 对灰度图像应用阈值操作，将图像转换为二值图像

    # 阈值设置为 150，意味着所有灰度值大于或等于 150 的像素点将被设置为 255（白色），其余的将被设置为 0（黑色）

    # 使用下划线 _ 来忽略函数返回的第一个值（阈值操作后的灰度图），只保留二值化后的图像 thresh

    text = pytesseract.image_to_string(thresh, config='--psm 6')  # 使用 pytesseract 库将二值化后的图像中的文本内容识别出来

    return [int(s) for s in text.split() if s.isdigit()]

    # 将识别出的文本分割成字符串，然后检查每个字符串是否只包含数字。如果是，就将其转换为整数，并返回一个包含所有识别出的数字的列表

def handle_insufficient_numbers():

    global not_found_count, last_not_found_time

    current_time = time.time()

    not_found_count = not_found_count + 1 if current_time - last_not_found_time <= 1 else 1

    last_not_found_time = current_time

    print("未找到足够的数字进行比较")

    if not_found_count >= 50:

        click_buttons()

        print("程序暂停中")

        time.sleep(13)

        print("准备重新开始程序...")

        time.sleep(0.3)

        main()

def click_buttons():

    print("执行点击按钮操作")

    pyautogui.click(405, 1175)  # 点击 “开心收下” 按钮

    time.sleep(0.3)

    pyautogui.click(581, 1383)  # 点击 “继续” 按钮

    time.sleep(0.3)

    pyautogui.click(540, 1263)  # 点击 “继续 PK” 按钮

def draw_comparison(numbers):

    global not_found_count, last_numbers, skip_count

    if len(numbers) < 2:

        handle_insufficient_numbers()

        return

    # 如果当前数字与上一个数字相同，则增加跳过计数

    if last_numbers is not None and last_numbers == numbers:

        skip_count += 1

        print(f"当前结果与上次相同，跳过此次执行 (次数: {skip_count})")

        if skip_count > 10:  # 如果跳过次数超过 10，则强制执行一次

            skip_count = 0

            execute_drawing_logic(numbers)

        return

    execute_drawing_logic(numbers)  # 执行当前数字的绘制逻辑

    not_found_count = 0  # 重置未找到计数

    last_numbers = numbers  # 更新上次识别的数字

    skip_count = 0  # 重置跳过次数

def execute_drawing_logic(numbers):

    first, second = numbers[:2]  # 获取前两个数字

    print(f"识别的数字: {first}, {second}")

    if first > second:

        print(f"{first} > {second}")

        draw_greater_than()

    elif first < second:

        print(f"{first} < {second}")

        draw_less_than()

def draw_greater_than():

    swipe(True)  # 输入大于号

def draw_less_than():

    swipe(False)  # 输入小于号

def swipe(is_greater):

    # 执行滑动操作

    start_time = time.time()

    swipe_points = {

        True: [(360, 1210), (420, 1250), (360, 1280)],  # 左滑动路径

        False: [(420, 1210), (360, 1250), (420, 1280)]  # 右滑动路径

    }

    d.swipe_points(swipe_points[is_greater], duration=0.01)

    log_time("执行滑动", start_time)

def main():

    keyboard.add_hotkey('=', lambda: sys.exit("进程已结束"))  # 默认的退出快捷键

    try:

        while True:

            image = capture_area()  # 截取屏幕区域

            numbers = recognize_numbers(image)  # 从截取的图像中识别数字

            draw_comparison(numbers)  # 比较并绘制结果

            # time.sleep(0.01)

    except SystemExit as e:

        print(e)

if __name__ == "__main__":

    main()  # 启动主程序