怎么使用Python寫安卓游戲外掛的示例

這篇文章將為大家詳細講解有關怎么使用Python寫安卓游戲外掛的示例，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

本次我們選擇的安卓游戲對象叫“單詞英雄”，大家可以先下載這個游戲。

游戲的界面是這樣的：

通過選擇單詞的意思進行攻擊，選對了就正常攻擊，選錯了就象征性的攻擊一下。玩了一段時間之后琢磨可以做成自動的，通過PIL識別圖片里的單詞和選項，然后翻譯英文成中文意思，根據中文模糊匹配選擇對應的選項。

查找了N多資料以后開始動手，程序用到以下這些東西：

PIL：Python Imaging Library 大名鼎鼎的圖片處理模塊

pytesser：Python下用來驅動tesseract-ocr來進行識別的模塊

Tesseract-OCR：圖像識別引擎，用來把圖像識別成文字，可以識別英文和中文，以及其它語言

autopy：Python下用來模擬操作鼠標和鍵盤的模塊。

安裝步驟(win7環境)：

(1)安裝PIL，下載地址：http://www.pythonware.com/products/pil/，安裝Python Imaging Library 1.1.7 for Python 2.7。

(2)安裝pytesser，下載地址：http://code.google.com/p/pytesser/,下載解壓后直接放在
C:\Python27\Lib\site-packages下，在文件夾下建立pytesser.pth文件，內容為C:\Python27\Lib\site-packages\pytesser_v0.0.1

(3)安裝Tesseract OCR engine，下載：https://github.com/tesseract-ocr/tesseract/wiki/Downloads，下載Windows installer of tesseract-ocr 3.02.02 (including English language data)的安裝文件，進行安裝。

(4)安裝語言包，在https://github.com/tesseract-ocr/tessdata下載chi_sim.traineddata簡體中文語言包，放到安裝的Tesseract OCR目標下的tessdata文件夾內，用來識別簡體中文。

(5)修改C:\Python27\Lib\site-packages\pytesser_v0.0.1下的pytesser.py的函數，將原來的image_to_string函數增加語音選擇參數language，language='chi_sim'就可以用來識別中文，默認為eng英文。

改好后的pytesser.py：

"""OCR in Python using the Tesseract engine from Google
http://code.google.com/p/pytesser/
by Michael J.T. O'Kelly
V 0.0.1, 3/10/07"""
import Image
import subprocess
import util
import errors
tesseract_exe_name = 'tesseract' # Name of executable to be called at command line
scratch_image_name = "temp.bmp" # This file must be .bmp or other Tesseract-compatible format
scratch_text_name_root = "temp" # Leave out the .txt extension
cleanup_scratch_flag = True # Temporary files cleaned up after OCR operation
def call_tesseract(input_filename, output_filename, language):
 """Calls external tesseract.exe on input file (restrictions on types),
 outputting output_filename+'txt'"""
 args = [tesseract_exe_name, input_filename, output_filename, "-l", language]
 proc = subprocess.Popen(args)
 retcode = proc.wait()
 if retcode!=0:
  errors.check_for_errors()
def image_to_string(im, cleanup = cleanup_scratch_flag, language = "eng"):
 """Converts im to file, applies tesseract, and fetches resulting text.
 If cleanup=True, delete scratch files after operation."""
 try:
  util.image_to_scratch(im, scratch_image_name)
  call_tesseract(scratch_image_name, scratch_text_name_root,language)
  text = util.retrieve_text(scratch_text_name_root)
 finally:
  if cleanup:
   util.perform_cleanup(scratch_image_name, scratch_text_name_root)
 return text
def image_file_to_string(filename, cleanup = cleanup_scratch_flag, graceful_errors=True, language = "eng"):
 """Applies tesseract to filename; or, if image is incompatible and graceful_errors=True,
 converts to compatible format and then applies tesseract. Fetches resulting text.
 If cleanup=True, delete scratch files after operation."""
 try:
  try:
   call_tesseract(filename, scratch_text_name_root, language)
   text = util.retrieve_text(scratch_text_name_root)
  except errors.Tesser_General_Exception:
   if graceful_errors:
    im = Image.open(filename)
    text = image_to_string(im, cleanup)
   else:
    raise
 finally:
  if cleanup:
   util.perform_cleanup(scratch_image_name, scratch_text_name_root)
 return text
if __name__=='__main__':
 im = Image.open('phototest.tif')
 text = image_to_string(im)
 print text
 try:
  text = image_file_to_string('fnord.tif', graceful_errors=False)
 except errors.Tesser_General_Exception, value:
  print "fnord.tif is incompatible filetype. Try graceful_errors=True"
  print value
 text = image_file_to_string('fnord.tif', graceful_errors=True)
 print "fnord.tif contents:", text
 text = image_file_to_string('fonts_test.png', graceful_errors=True)
 print text

(6)安裝autopy，下載地址：https://pypi.python.org/pypi/autopy，下載autopy-0.51.win32-py2.7.exe進行安裝，用來模擬鼠標操作。

說下程序的思路：

1. 首先是通過模擬器在WINDOWS下執行安卓的程序，然后用PicPick進行截圖，將戰斗畫面中需要用到的區域進行測量，記錄下具體在屏幕上的位置區域，用圖中1來判斷戰斗是否開始（保存下來用作比對），用2，3，4，5，6的區域抓取識別成文字。

計算圖片指紋的程序：

def get_hash(self, img):
    #計算圖片的hash值
    image = img.convert("L")
    pixels = list(image.getdata())
    avg = sum(pixels) / len(pixels)
    return "".join(map(lambda p : "1" if p > avg else "0", pixels))

圖片識別成字符：

#識別出對應位置圖像成字符，把字符交給chose處理
  def getWordMeaning(self):
    pic_up = ImageGrab.grab((480,350, 480+300, 350+66))
    pic_aws1 = ImageGrab.grab((463,456, 463+362, 456+45))
    pic_aws2 = ImageGrab.grab((463,530, 463+362, 530+45))
    pic_aws3 = ImageGrab.grab((463,601, 463+362, 601+45))
    pic_aws4 = ImageGrab.grab((463,673, 463+362, 673+45))
    str_up = image_to_string(pic_up).strip().lower()
    #判斷當前單詞和上次識別單詞相同，就不繼續識別
    if str_up <> self.lastWord:
      #如果題目單詞是英文，選項按中文進行識別
      if str_up.isalpha():
        eng_up = self.dt[str_up].decode('gbk') if self.dt.has_key(str_up) else ''
        chs1 = image_to_string(pic_aws1, language='chi_sim').decode('utf-8').strip()
        chs2 = image_to_string(pic_aws2, language='chi_sim').decode('utf-8').strip()
        chs3 = image_to_string(pic_aws3, language='chi_sim').decode('utf-8').strip()
        chs4 = image_to_string(pic_aws4, language='chi_sim').decode('utf-8').strip()
        print str_up, ':', eng_up
        self.chose(eng_up, (chs1, chs2, chs3, chs4))
      #如果題目單詞是中文，選項按英文進行識別
      else:
        chs_up = image_to_string(pic_up, language='chi_sim').decode('utf-8').strip()
        eng1 = image_to_string(pic_aws1).strip()
        eng2 = image_to_string(pic_aws2).strip()
        eng3 = image_to_string(pic_aws3).strip()
        eng4 = image_to_string(pic_aws4).strip()
        
        e2c1 = self.dt[eng1].decode('gbk') if self.dt.has_key(eng1) else ''
        e2c2 = self.dt[eng2].decode('gbk') if self.dt.has_key(eng2) else ''
        e2c3 = self.dt[eng3].decode('gbk') if self.dt.has_key(eng3) else ''
        e2c4 = self.dt[eng4].decode('gbk') if self.dt.has_key(eng4) else ''
        print chs_up
        self.chose(chs_up, (e2c1, e2c2, e2c3, e2c4))
      self.lastWord = str_up
    return str_up

2. 對于1位置的圖片提前截一個保存下來，然后通過計算當前畫面和保存下來的圖片的距離，判斷如果小于40的就表示已經到了選擇界面，然后識別2，3，4，5，6成字符，判斷如果2位置識別成英文字符的，就用2解析出來的英文在字典中獲取中文意思，然后再通過2的中文意思和3，4，5，6文字進行匹配，匹配上漢字最多的就做選擇，如果匹配不上默認返回最后一個。之前本來考慮是用Fuzzywuzzy來進行模糊匹配算相似度的，不過后來測試了下對于中文匹配的效果不好，就改成按漢字單個進行匹配計算相似度。

匹配文字進行選擇：

#根據傳入的題目和選項進行匹配選擇
  def chose(self, g, chs_list):
    j, max_score = -1, 0
    same_list = None
    #替換掉題目里的特殊字符
    re_list = [u'~', u',', u'.', u';', u' ', u'a', u'V', u'v', u'i', u'n', u'【', u')', u'_', u'W', u'd', u'j', u'-', u't']
    for i in re_list:
      g = g.replace(i, '')
    print type(g)
    #判斷2個字符串中相同字符，相同字符最多的為最佳答案
    for i, chsWord in enumerate(chs_list):
      print type(chsWord)
      l = [x for x in g if x in chsWord and len(x)>0]
      score = len(l) if l else 0
      
      if score > max_score:
        max_score = score
        j = i
        same_list = l
    #如果沒有匹配上默認選最后一個
    if j ==-1:
      print '1. %s; 2. %s; 3. %s; 4. %s; Not found choice.' % (chs_list[0], chs_list[1], chs_list[2], chs_list[3])
    else:
      print '1. %s; 2. %s; 3. %s; 4. %s; choice: %s' % (chs_list[0], chs_list[1], chs_list[2], chs_list[3], chs_list[j])
      for k, v in enumerate(same_list):
        print str(k) + '.' + v,
    order = j + 1
    self.mouseMove(order)
    return order

３.最后通過mouseMove調用autopy操作鼠標點擊對應位置進行選擇。

程序運行的錄像：http://v.youku.com/v_show/id_XMTYxNTAzMDUwNA==.html

程序完成后使用正常，因為圖片識別準確率和字典的問題，正確率約為70%左右，效果還是比較滿意。程序總體來說比較簡單，做出來也就是純粹娛樂一下，串聯使用了圖片識別、中文模糊匹配、鼠標模擬操作，算是個簡單的小外掛吧，源程序和用到的文件如下：

http://git.oschina.net/highroom/My-Project/tree/master/Word%20Hero

關于“怎么使用Python寫安卓游戲外掛的示例”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。