百万英雄类答题游戏的程序员打开方式

发表于 | 分类于 | | 阅读次数:
字数统计: 632 | 阅读时长 ≈ 2

百万英雄类答题游戏的程序员打开方式

看了《程序员如何玩转《冲顶大会》？》大受启发，刚好前几天研究了下微信跳一跳的辅助，正好可以用上。

思路很明确，把答案截图pull过来，通过OCR识别成文字后再放到百度搜索。记过几番尝试后，一些容易搜索的问题还是是可以搜索答案的。

目前它是手动的，也就是说每次答案出现，手动执行脚本返回答案。同样由于个别题目原因（如某个词有多少笔画），不是每次都能搜出来。这时就考验你的手速和运气了。

实现语言python,用到的类库如下：

  1. PIL
  2. pytesseract(图片识别库)
  3. BeautifulSoup（页面解析）

文字识别引擎需单独安装，参见Python人工智能之图片识别，Python3一行代码实现图片文字识别以及mac上文字识别 Tesseract-OCR for mac

主体代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
import os
from PIL import Image
import pytesseract
from urllib.request import urlopen
import urllib.request
from bs4 import BeautifulSoup

DEFAULT_WIDTH = 720
DEFAULT_HEIGHT = 1280


def main():
    # 720*1280分辨率坐标
    left_top_x = 30
    left_top_y = 200
    right_bottom_x = 680
    right_bottom_y = 380

    # 1. 截图
    os.system('adb shell screencap -p /sdcard/answer.png')
    os.system('adb pull /sdcard/answer.png answer.png')

    # 2. 截取题目并文字识别
    image = Image.open('answer.png')
    crop_img = image.crop((left_top_x, left_top_y, right_bottom_x, right_bottom_y))
    crop_img.save('crop.png')
    text = pytesseract.image_to_string(crop_img, lang='chi_sim')
    print(text)

    # 3. 去百度知道搜索
    text = text[2:]  # 把题号去掉
    # text = '一亩地大约是多少平米'
    wd = urllib.request.quote(text)
    url = 'https://zhidao.baidu.com/search?ct=17&pn=0&tn=ikaslist&rn=10&fr=wwwt&word={}'.format(
        wd)
    print(url)
    result = urlopen(url)
    body = BeautifulSoup(result.read(), 'html5lib')
    good_result_div = body.find(class_='list-header').find('dd')
    second_result_div = body.find(class_='list-inner').find(class_='list')
    if good_result_div is not None:
        good_result = good_result_div.get_text()
        print(good_result.strip())

    if second_result_div is not None:
        second_result = second_result_div.find('dl').find('dd').get_text()
        print(second_result.strip())


if __name__ == '__main__':
    main()

文字识别需经训练，训练越多结果越准。

我把代码放到github上了，可围观hq-answer-assist

要想实现更智能化，有个思路是不停的截图（1秒一次），一旦截到答题页（可以用答题页的色差来做），做文字识别后百度，将百度后的结果与选项做比较，哪个出现次数最多哪个就是最佳答案，这里可以加个判断，如果特别确定直接模拟点击事件选答案，不确定就手工。

有同学提到分析请求，也是个思路，后续可以研究。

欢迎探讨其他更好的实现方式。

分享到：
0%