我只发布脚本，没有其他内容！
因为很多人都在问，这不是什么高端的东西，我们一起进步吧！ 我自己也在用，只有这个稳定，其他的其实都不好用。
需要自己截图，保存在与程序同目录下，通过图片判断是否点击以及点击哪里。
源代码：
》》》学习的路上当然会很艰难。没有好的学习资料，怎么学习？学习过程中有不懂的地方，建议加入交流Q群号：有志同道合的人群里的朋友，互相帮助，群里有很好的视频学习教程和PDF！还有很棒的答案！"""
#python 3.6.4
# encoding:utf-8
#确保已连接好adb
#1080 2280 分辨率，一加6测试通过
#抖音版本20200618
import os
import cv2
import sys
import time
import random
from PIL import Image #pip install pillow
import diannaoshuohua
import zhaotu
# 上传照片到电脑
def screen():
# 截图保存在手机上
os.system('adb shell screencap -p /sdcard/screen.png')
# 传到电脑上
os.system('adb pull /sdcard/screen.png')
# 截图，粉丝详情页图片
def screen3():
# 截图保存在手机上
os.system('adb shell screencap -p /sdcard/screen3.png')
# 传到电脑上
os.system('adb pull /sdcard/screen3.png')
#处理照片
def getDistance():
#读取图片
image = Image.open('screen.png')
#返回元组
width = image.size[0]
height = image.size[1]
#print(height,width)
for i in range(803,804):#遍历一个纵列
for j in range(0,height):
if image.getpixel((i,j))[:3] == (179, 38, 69):#如果找到符合位置的颜色点，则确定了按钮所在
yield j #生成器。返回所有找到的纵坐标的值
def jietu(mubiaotu):
# 打开刚截取的全屏图
img = Image.open(mubiaotu)
# 定位到需要截取的地方
img = img.crop((0, 200, 1080, 1400))
# 截取成功并保存到本地
img.save('screen3_jietu.png')
def as_num(x):
y = '{:.10f}'.format(x) # .10f 保留10位小数
return y
# 查找图片
def findImg(target1,template2):
#读取目标图片
target = cv2.imread(target1)
#读取模板图片
template = cv2.imread(template2)
#获得模板图片的高宽尺寸
theight,twidth = template.shape[:2]
#执行模板匹配，采用的匹配方式cv2.TM_SQDIFF_NORMED
result = cv2.matchTemplate(target,template,cv2.TM_SQDIFF_NORMED)
cv2.normalize(result,result, 0, 1, cv2.NORM_MINMAX, -1 )
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
strmin_val = str(min_val)
cv2.rectangle(target,min_loc,(min_loc[0]+twidth,min_loc[1]+theight),(0,0,225),2)
print ("匹配最小值为："+as_num(float(str(min_val))))
print ('匹配最大值为：'+as_num(float(str(max_val))))
r = int((image.getpixel((min_loc[0]+23,min_loc[1]+17)))[0])
if (abs(float(as_num(float(str(max_val))))) >= 0.9) and r > 180:#如果找到符合位置的颜色点:
print ('找到符合的图片')
return True
else:
print('没有找到符合的图片')
return False
if __name__ == '__main__':#主函数开头
i=0
n=0
sj = random.uniform(1,5)
for _ in range(100):
screen()
print('截屏某用户的粉丝列表')
xy = zhaotu.findImg2('s.png','screen.png')
for d in xy:
screen()
time.sleep(sj)
os.system('adb shell input tap {} {}'.format(d[0],d[1]))
time.sleep(sj)
screen3()#个人详情页截图
time.sleep(sj)
jietu('screen3.png')
time.sleep(sj)
if zhaotu.findImg1('nv.png','screen3_jietu.png'):
xy = zhaotu.findImg1('nv.png','screen3_jietu.png')
image = Image.open("screen3_jietu.png")#打开个人详情页截图
r = int((image.getpixel((xy[0],xy[1])))[0])
if (r > 180):
print('找到一位女士，即将关注！')
os.system('adb shell input tap 550 466')#点击关注按钮，暂用坐标，待完善
time.sleep(sj)
os.system('adb shell input keyevent 4')
time.sleep(sj)
i=i+1
print('已关注了'+str(i)+'位女士')
if i == 175:
print('本次运行已关注198人，已退出运行！')
diannaoshuohua.shuohua('本次已关注198人，即将退出！')
os.system('adb shell input keyevent 26')#power事件。
sys.exit()
else:
os.system('adb shell input keyevent 4') #点击后退按钮
else:
print('这不是女士，即将返回！')
n=n+1
os.system('adb shell input keyevent 4') #点击后退按钮
#翻页滑动按钮
os.system('adb shell input swipe 548 1500 540 225 511')
time.sleep(random.uniform(0.4, 0.8))
print('正在翻页。。。')
#zhaotu.py 调用方法：findImg('目标图片地址','模板图片地址')
#findImg2----多目标匹配，返回的是生成器结果，需要for遍历出单个结果
#findImg1----单目标匹配，返回图片所在位置的中心点坐标值
import cv2
import numpy
from PIL import Image
def as_num(x):
y = '{:.10f}'.format(x) # .10f 保留10位小数
return y
def findImg2(target,template):#opencv模板匹配----多目标匹配
#读取目标图片
target = cv2.imread(target)
#读取模板图片
template = cv2.imread(template)
#获得模板图片的高宽尺寸
theight, twidth = template.shape[:2]
#执行模板匹配，采用的匹配方式cv2.TM_SQDIFF_NORMED
print(theight,twidth)
result = cv2.matchTemplate(target,template,cv2.TM_SQDIFF_NORMED) #CV_TM_SQDIFF_NORMED
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
cv2.rectangle(target,min_loc,(min_loc[0]+twidth,min_loc[1]+theight),(0,0,225),2)
strmin_val = str(min_val)
#初始化位置参数
temp_loc = min_loc
other_loc = min_loc
numOfloc = 1
#第一次筛选----规定匹配阈值，将满足阈值的从result中提取出来
#对于cv2.TM_SQDIFF及cv2.TM_SQDIFF_NORMED方法设置匹配阈值为0.01
threshold = 0.01 #这个值从0.01到0.05之间
loc = numpy.where(result
#遍历提取出来的位置
for other_loc in zip(*loc[::-1]):
#print(other_loc[0],other_loc[1])
yield other_loc
else:
return false
# 查找设定的图片是否包含在另一张图片里
def findImg1(target1,template2):#传入要查找的图片地址和名称，1为大图，2为小图，从大图里查找小图。
#读取目标图片
target = cv2.imread(target1)
theight1,twidth1 = target.shape[:2]
#读取模板图片
template = cv2.imread(template2)
#获得模板图片的高宽尺寸
theight,twidth = template.shape[:2]
#执行模板匹配，采用的匹配方式cv2.TM_SQDIFF_NORMED
result = cv2.matchTemplate(target,template,cv2.TM_SQDIFF_NORMED)
#归一化处理
cv2.normalize(result,result, 0, 1, cv2.NORM_MINMAX, -1 )
#寻找矩阵（一维数组当做向量，用Mat定义）中的最大值和最小值的匹配结果及其位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
#对于cv2.TM_SQDIFF及cv2.TM_SQDIFF_NORMED方法min_val越趋近与0匹配度越好，匹配位置取min_loc
#对于其他方法max_val越趋近于1匹配度越好，匹配位置取max_loc
strmin_val = str(min_val)
#min_loc：矩形定点
cv2.rectangle(target,min_loc,(min_loc[0]+twidth,min_loc[1]+theight),(0,0,225),2)
#显示结果,并将匹配值显示在标题栏上
print ("匹配最小值为："+as_num(float(str(min_val))))
print ('匹配最大值为：'+as_num(float(str(max_val))))
if (abs(float(as_num(float(str(max_val))))) >= 0.9):# 如果找到
print ('找到符合的图片')
return min_loc[0]+twidth1/2,min_loc[1]+theight1/2
else:
print('没有找到符合的图片')
return False有同学问写剧本难学吗？ 我还没有回复抖音脚本注册机，我想及时用最简单明了的方式解释一下。
以编写各种挂机脚本为例，其实很简单。 如果有人说这很难，他们就是在愚弄你。
挂机脚本，一句话：让程序驱动手机抖音脚本注册机，模拟人的动作，操作手机执行某些动作。
人有眼光，能思考、能判断，知道下一步该做什么。 而且它一开始就不知道程序脚本。 所以你必须告诉它。 它听不懂人类的语言，所以你必须用编程语言来告诉它。
我们懂语言。 有两点很重要：词汇和语法。 掌握了这两点之后，你就能说人类的语言了。 例如，“天空”是一个单词，“我抬头看着天空”是一个语法句型。 “我抬头看了看天，发现要下雨了，所以我决定回家打把伞。” 这里有思考和判断，可以使人不再是傻子。
所有脚本语言，无论是否，它们也有自己的词汇和语法。 但总的单词量和语法就那么几个。 需要两三天的时间，浏览一下，了解一点。 翻书。 只要两三天，以后就知道怎么翻书、偷看了。
接下来你要写一个挂机脚本，比如你想关注抖音粉丝。
当你认为你可以关注一个人的粉丝列表下的所有人时，那么多人可能会关注你。 这就是最初的编程思路。 这与程序本身无关。
那么，你要写的脚本就是先去抖音用户的粉丝列表页面。 该页面的特征标志是什么？ 你可以用眼睛看到它，但程序不知道它。 只能通过页面上的东西来判断，比如页面上有什么图形（这叫找图片识别图片，我的脚本就是用的），或者页面上有什么元素，或者文字是什么那里（提供此功能）。
一旦您选定了粉丝列表页面，就可以点击每个“关注”按钮了。 如果一个页面上有10个“关注”按钮，程序就得点击10次，你就得用语法告诉程序按照你的设计执行动作。
点击按钮后，为了不让抖音注意到机器人在快速圈粉抖音脚本注册机，你必须假装成人类，点击按钮后暂停一会儿。 这时候可以用一个词，比如sleep(1000)，意思是程序执行到这里，暂停1000毫秒。
同样，两三天就足以掌握这些单词和语法。
如果你不想学，你在圈子里呆几年、十几年
，那就没有人能救你了。问一下脚本同学，我的脚本需要你在本地配置环境。
屏幕截图是您要查找的徽标或您要单击的按钮的屏幕截图。 如果看不懂的话，肯定有点混乱。
我没有时间教这个。 如果你有兴趣，你可以自己检查一下。 这并不难。 这是一日之事。
发表评论