聊聊C#与冲顶大会

一、由跳一跳开始

2018年初,跳一跳小程序着实火了一把。一时间,各种攻略,甚至辅助工具也应运而生。作为.net阵营的一员,园友的这篇http://www.cnblogs.com/bqh10086/p/8253973.html跳一跳辅助程序文章,可以说是让人眼前一亮。实现思路大体如下:

1.下载adb工具;

2.打开手机usb调试模式;

3.通过命令行调用adb工具,向手机发送命令

    3.1发送截图命令

    3.2将截图从手机复制到磁盘

    3.3将手机截图绘制到winform窗体的PixtureBox

    3.4鼠标左键单击小人底部,右键单击目标点

    3.5将小人底部的点,目标点之间的距离转换为屏幕按压时间

    3.6发送屏幕按压命令

4.手动完成一次跳跃

二、偶遇冲顶大会

有意无意得总是遇见冲顶大会几个字,通过搜索后,发现是一款在线限时答题类app。每道题三个选项,10s内作答,共12道题目,去不答对以后与其他全答对的人均分奖金。奖金从50000-300000不等。

https://livc.io/blog/204?hmsr=toutiao.io&utm_medium=toutiao.io&utm_source=toutiao.io 这篇文章提供了一个答题辅助思路:

1.截取手机屏幕图片

2.识别截图中的题目

3.调用浏览器,搜索题目

不过,此思路是基于ios手机操作系统,采用 iOS + Mac+WDA+免费ocr识别来实现的。

三、跳一跳与冲顶大会

本着生命在于折腾的原则,想着在android手机操作系统+windows操作系统上也能实现一个答题辅助工具。借(剽)鉴(窃)上面的实现思路,说下,具体的实现过程。

1.发送获取屏幕截图命令 ”adb shell screencap -p /sdcard/xxx.png”

2.发送将手机截图复制到本地磁盘的命令  ”pull /sdcard/xxx.png

3.获取题目所在区域

    3.1 自己的手机屏幕分辨率为1080*1920,手机截图长度为16.5cm,题目开始出现的位置距离图片顶部为3cm,题目宽度大概为2cm(题目为2行文字),这一步,跳一跳辅助工具已经实现了。

    3.2 调用算法,从手机截图中截取题目所在区域大小的图片 Bitmap map = GetPart(file, 0, 0, 1080, (int)(1920 * (5.5 - 3) / 16.5), 0, (int)(1920 * 3 / 16.5));

 1         /// <summary>
 2         /// 获取图片指定部分
 3         /// </summary>
 4         /// <param name="pPath">图片路径</param>
 5         /// <param name="pPartStartPointX">目标图片开始绘制处的坐标X值(通常为0)</param>
 6         /// <param name="pPartStartPointY">目标图片开始绘制处的坐标Y值(通常为0)</param>
 7         /// <param name="pPartWidth">目标图片的宽度</param>
 8         /// <param name="pPartHeight">目标图片的高度</param>
 9         /// <param name="pOrigStartPointX">原始图片开始截取处的坐标X值</param>
10         /// <param name="pOrigStartPointY">原始图片开始截取处的坐标Y值</param>
11         private  Bitmap GetPart(string pPath, int pPartStartPointX, int pPartStartPointY, int pPartWidth, int pPartHeight, int pOrigStartPointX, int pOrigStartPointY)
12         {
13             Image originalImg = Image.FromFile(pPath);
14 
15             Bitmap partImg = new Bitmap(pPartWidth, pPartHeight);
16             Graphics graphics = Graphics.FromImage(partImg);
17             Rectangle destRect = new Rectangle(new Point(pPartStartPointX, pPartStartPointY), 
18                 new Size(pPartWidth, pPartHeight));//目标位置
19             Rectangle origRect = new Rectangle(new Point(pOrigStartPointX, pOrigStartPointY), 
20                 new Size(pPartWidth, pPartHeight));//原图位置(默认从原图中截取的图片大小等于目标图片的大小)
21 
22             graphics.DrawImage(originalImg, destRect, origRect, GraphicsUnit.Pixel);
23 
24             return partImg;
25         }
GetPartPicture

    3.3 使用开源ocr识别库Tesseract,识别上一步截图map中的题目

 1      
 2        public static string GetOcrText(string startPath,string fileName)
 3         {
 4             var result = string.Empty;
 5 
 6             if (string.IsNullOrEmpty(fileName))
 7             {
 8                 return string.Empty;
 9             }
10 
11             try
12             {
13                 
14                 using (var engine = new TesseractEngine(startPath + @"/tessdata", "chi_sim", EngineMode.Default))
15                 {
16                     using (var img = Pix.LoadFromFile(fileName))
17                     {
18                         using (var page = engine.Process(img))
19                         {
20                             result = page.GetText();
21                         }
22                     }
23                 }
24             }
25             catch (Exception ex)
26             {
27             }
28 
29             
30             return result;
31         }
GetOcrText

    3.4 去除题目中的换行,处理特殊字符。

    3.5调用浏览器,搜索题目

1 private void Search(string searchContent)
2         {
3             
4             //s就是你的默认浏览器,不过后面带了参数,把它截去,不过需要注意的是:不同的浏览器后面的参数不一样!  
5             //"D:\Program Files (x86)\Google\Chrome\Application\chrome.exe" -- "%1"  
6             Process.Start(browserPath, string.Format("http://www.baidu.com/s?wd={0}", searchContent));
7         }
Search

四、问题

1.问题1:题目所在区域的获取,题目有时为一行,有时为两行,图片大小不太固定

2.问题2:从获取发送截图命令,将截图复制到本地磁盘,截取题目所在区域大小图片,识别图片中题目内容,调用浏览器搜索,呈现搜索结果共耗时6s左右,答题时间仅有10s,有点不太够用

五、总结

虽然,到头来结果不是太理想,但这个举一反三的探索过程却是有收获的。从一开始ocr识别不支持中文,到Tesseract库项目编译失败,再到搜索Tesseract支持的中文识别依赖文件chi_sim.traineddata,是解决问题能力的锻炼,也是涨姿势的过程。总的来说还不错。欢迎交流,欢迎点赞。

项目地址:https://github.com/LightSmileMu/JumpToTop

 

 

posted @ 2018-01-17 23:47  LightSmaile  阅读(4361)  评论(17编辑  收藏  举报