代码拉取完成,页面将自动刷新
[toc]
直接用ddddocr即可识别,如果有识别不了的可以提交
从社区和群里了解目前只通过opencv就可以识别目标位置,特别是需要算出x距离,至于用户行为需要自己写
可以通过js或者pymouse及pyautogui实现滑动
event = document.createEvent('MouseEvents');
event.initEvent('mousedown', true, false);
document.querySelector("#nc_1_n1z").dispatchEvent(event);
event = document.createEvent('MouseEvents');
event.initEvent('mousemove', true, false);
Object.defineProperty(event, 'clientX', {
get() {
return 260;
}
})
document.querySelector("#nc_1_n1z").dispatchEvent(event);
import hashlib
import cv2
def get_location(bg_file_path, fg_file_path=r'./files/images/aaa.png'):
# 读取背景图片和缺口图片
bg_img = cv2.imread(bg_file_path) # 背景图片
tp_img = cv2.imread(fg_file_path) # 缺口图片
# 识别图片边缘
bg_edge = cv2.Canny(bg_img, 100, 200)
tp_edge = cv2.Canny(tp_img, 100, 200)
# 转换图片格式
bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)
tp_pic = cv2.cvtColor(tp_edge, cv2.COLOR_GRAY2RGB)
# 缺口匹配
res = cv2.matchTemplate(bg_pic, tp_pic, cv2.TM_CCOEFF_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # 寻找最优匹配
# 绘制方框
th, tw = tp_pic.shape[:2]
tl = max_loc # 左上角点的坐标
br = (tl[0] + tw, tl[1] + th) # 右下角点的坐标
cv2.rectangle(bg_img, tl, br, (0, 0, 255), 2) # 绘制矩形
hash_data = hashlib.md5((str(bg_file_path)).encode('utf8')).hexdigest()
cv2.imwrite(f'../files/out_result/{hash_data}.jpg', bg_img) # 保存在本地
return max_loc
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。