当前位置: 首页 > news >正文

Python库-PyAutoGUI

pyautogui是一个Python库,可以自动控制键盘和鼠标,非常适合进行自动化任务。它可以用于各种场景,比如自动化测试、数据录入任务,甚至是简单的游戏机器人。下面是一个关于pyautogui的入门教程,包括它的安装、基本使用方法以及一些高级功能的介绍。

安装pyautogui

首先,需要安装pyautogui。打开命令行或终端,运行以下命令:

pip install pyautogui

基本操作

控制鼠标
  • 移动鼠标: moveTo(x, y, duration=num_seconds)函数将鼠标光标移动到屏幕上的指定位置。
import pyautogui
pyautogui.moveTo(100, 100, duration=2)  # 将鼠标移动到屏幕的(100,100)位置
  • 点击: click(x, y, button='left')函数在指定位置进行鼠标点击,默认为左键。
pyautogui.click()  # 在当前位置点击
pyautogui.click(200, 220, button='right')  # 在(200,220)位置右键点击
  • 滚动: scroll(amount_to_scroll, x, y)函数在指定位置上滚动鼠标。scroll函数的参数表示滚动的量,单位是"行"。
pyautogui.scroll(200)  # 向上滚动
控制键盘
  • 按键: press(keys)函数模拟按键。
pyautogui.press('enter')  # 模拟按下回车键
  • 键入文本: write(text, interval=seconds)函数模拟键入文本。
pyautogui.write('Hello, world!', interval=0.1)  # 模拟键入文本,每个字符间隔0.1秒
  • 组合键: hotkey('ctrl', 'c')函数模拟键盘组合键操作。
pyautogui.hotkey('ctrl', 'c')  # 模拟按下Ctrl+C复制

高级功能

屏幕截图和图像识别
  • 截图: screenshot()函数可以捕获屏幕截图。
screenshot = pyautogui.screenshot()
screenshot.save('screenshot.png')  # 保存截图
  • 图像识别: locateOnScreen('image.png')函数可以在屏幕上找到与指定图像匹配的位置。可以通过confidence参数增加搜索的容错能力。confidence参数用于指定匹配的精度,范围从0到1。注意,使用confidence参数需要安装opencv-python库。
button_location = pyautogui.locateOnScreen('button.png')
button_x, button_y = pyautogui.center(button_location)
pyautogui.click(button_x, button_y)  # 点击找到的按钮

安全特性

pyautogui提供了几个安全特性来防止脚本失控:

  • 故障安全: 默认情况下,将鼠标移动到屏幕的左上角将引发pyautogui.FailSafeException异常,从而停止脚本。
  • 操作延迟: pyautogui.PAUSE设置每个pyautogui调用之间的延迟,以减慢执行速度。
pyautogui.PAUSE = 1  # 每个操作后暂停1秒

实战示例

示例1:自动打开计算器

让我们通过一个简单的实战示例来巩固学习:自动打开计算器应用程序,进行一次加法操作,并关闭计算器。

import pyautogui
import time# 每个操作后暂停1秒
pyautogui.PAUSE = 1  # 打开计算器(这里假设是Windows系统)
pyautogui.press('win')
pyautogui.write('calculator', interval=0.25)
pyautogui.press('enter')
time.sleep(2)  # 等待计算器打开# 进行加法操作
pyautogui.write('123+456', interval=0.25)
pyautogui.press('enter')# 关闭计算器
pyautogui.hotkey('alt', 'f4')

演示
动图演示

示例2:模拟刷赞的例子

Python模拟刷赞助手

http://www.lryc.cn/news/295390.html

相关文章:

  • 越权测试是什么?
  • H5 简约四色新科技风引导页源码
  • 使用 VTK 中的单元定位器来查找最近的点
  • 时序预测 | MATLAB实现基于CNN-LSTM-AdaBoost卷积长短期记忆网络结合AdaBoost时间序列预测
  • Xcode 15 及以上版本:libarclite 库缺少问题
  • Spring设计模式之单例模式
  • Fink CDC数据同步(二)MySQL数据同步
  • JavaWeb后端开发(第一期):Maven基础、Maven的安装配置、如何创建maven项目模块、maven的生命周期
  • Windows SDK(四)鼠标和键盘消息处理
  • LabVIEW汽车自燃监测预警系统
  • 数据图表方案,企业视频生产数据可视化
  • 【HarmonyOS应用开发】APP应用的通知(十五)
  • 开启一个服务,将服务器指定的文件读取,传播到网上其他终端
  • nii convert to 2D image【python】
  • C语言指针学习 之 指针是什么
  • 【文本到上下文 #10】探索地平线:GPT 和 NLP 中大型语言模型的未来
  • (四)elasticsearch 源码之索引流程分析
  • 飞天使-k8s知识点16-kubernetes实操1-pod
  • 【gcc】webrtc发送侧 基于丢包更新码率
  • 数字经济的未来:探索Web3的商业模式
  • Centos7部署MetaBase-v0.48.3
  • 【计算机网络】Socket的SO_TIMEOUT与连接超时时间
  • 解密 ARMS 持续剖析:如何用一个全新视角洞察应用的性能瓶颈?
  • 【OJ比赛日历】春节快乐 #02.10-02.16 #9场
  • 前端下载文件有哪些方式
  • vscode预览github上的markdown效果
  • 使用PaddleNLP识别垃圾邮件:用BERT做中文邮件内容分类,验证集准确率高达99.6%以上(附公开数据集)
  • 在bash或脚本中,如何并行执行命令或任务(命令行、parallel、make)
  • 拼音笔记笔记
  • 13. Threejs案例-绘制3D文字