桌面自动化---PyAutoGUI(桌面自动化linux)
itomcoil 2025-05-08 01:58 17 浏览
目录
- 一:安装
- 二:鼠标操作:
- 1:屏幕和鼠标的位置(行X竖Y):
- 2:获取屏幕和鼠标的位置:
- 3:鼠标移动和点击:
- 4: 鼠标移动案例:
- 5:鼠标拖拽
- 6: 鼠标滚动
- 7:保护措施:
- 8: mouseDown()和mouseUp()函数
- 三:键盘操作:
- 1:write函数的使用
- 2:press函数,keyDown和keyUp函数的使用:
- 3:hotkey函数的使用:
- 四:信息框操作:
- 五:截图和定位操作:
- 1:screenshot函数的使用:
- 2:locateOnScreen与locateCenterOnScreen函数的使用:
- 3:提高定位精度
- 4:加速定位
一:安装
windows:
pip install pyautogui -i https://pypi.tuna.tsinghua.edu.cn/simple
mac:
pip install pyobjc-core
pip install pyobjc
pip install pyautogui
linux:
#sudo apt-get install scrot python3-tk python3-dev
pip install python3-xlib
pip install pyautogui
二:鼠标操作:
1:屏幕和鼠标的位置(行X竖Y):
左上角的像素位于坐标0、0。如果屏幕的分辨率为1920 x 1080,则右下角的像素将为1919、1079(因为坐标始于0,而不是1)。
屏幕分辨率大小由该size()函数作为两个整数的元组返回。该position()函数返回鼠标光标的当前X和Y坐标。
+---------------------------+
| | X increases
| | |
| 1920 x 1080 screen | |
| | Y
| |
| |
+---------------------------+ 1919, 1079
2:获取屏幕和鼠标的位置:
import pyautogui
# 获取屏幕分辨率
print(pyautogui.size())
# 获取鼠标的坐标位置
x, y = pyautogui.position()
print("X: %s Y: %s" % (x, y))
注意: 获取到的是电脑设置中的分辨率。如果是虚拟机也是按照虚拟机的设置,不能根据电脑中的分辨率。
3:鼠标移动和点击:
- 相对移动:pyautogui.move(65, 168)—相对的是当前鼠标的位置。
- 绝对移动: pyautogui.moveTo(65, 168)
- 每个动作后停留时间: pyautogui.PAUSE = 2
- 判断像素点是不是在屏幕中:pyautogui.onScreen(65, 168)
- 当前位置点击: pyautogui.click()
- 先移动到位置再点击: pyautogui.click(x=100, y=200)
- 移动到某个位置左击,右击,中间点击:pyaotogui.click(x=100, y=200, button=‘right’)
- 移动到某个位置左击,右击,中间多次点击: pyaotogui.click(x=100, y=200, button=‘right’, clicks=3)
- 移动到某个位置左击,右击,中间多次点击,中间间隔0.25秒点击:pyaotogui.click(x=100, y=200, button=‘right’, clicks=3, interval=0.25)
- 左击: pyautogui.leftClick(x, y, 过程中秒数)
- 右击:pyautogui.rightClick(x, y, 过程中秒数)
- 双击:pyautogui.doubleClick(x, y, 过程中秒数)
4: 鼠标移动案例:
描述:定位桌面的回收站,然后右击,再用相对路径,左击属性。
# 定位桌面的回收站,然后右击,再用相对路径,左击属性:(57, 285)
import pyautogui
# # 每个动作后,停留两秒
# pyautogui.PAUSE = 2
# 1: 移动到回收站的位置,2表示移动过程两秒
pyautogui.moveTo(57, 285, 2)
# 2: 右击
pyautogui.rightClick()
# 3:
pyautogui.move(87, 200, 2)
pyautogui.leftClick()
5:鼠标拖拽
案例:将回收站向右拖拽500像素。
import pyautogui
# 1: 鼠标移动到指定位置---绝对(left表示鼠标左键,middle表示中间键, right表示右键)
pyautogui.dragTo(57, 285, button='left')
# 2: 进行拖拽,3表示执行时间---相对
pyautogui.drag(500, 0, 3)
6: 鼠标滚动
案例:定位到代码框,然后滚动
# 案例:定位到代码框,然后滚动
import pyautogui
import time
# 1:定位到代码框:
pyautogui.click(1100, 460,)
# 2: 向下滚动:
pyautogui.scroll(-1000)
time.sleep(1)
# 3: 向上滚动
pyautogui.scroll(1000)
7:保护措施:
为了能够及时中断,PyAutoGUI提供了一个保护措施。当pyautogui.FAILSAFE = True时,如果把鼠标光标在屏幕左上角,PyAutoGUI函数就会产生
pyautogui.FailSafeException异常。如果失控了,需要中断PyAutoGUI函数,就把鼠标光标在屏幕左上角。要禁用这个特性,就把FAILSAFE设置成False。
案例:禁用保护
import pyautogui
# 运行过程中,用户动鼠标: 与用户不冲突
pyautogui.FAILSAFE = False
while True:
pyautogui.moveTo(400, 400)
pyautogui.moveTo(1000, 400)
8: mouseDown()和mouseUp()函数
import pyautogui
import time
# 鼠标定位到我的电脑,进行右击
pyautogui.mouseDown(button="right", x=50, y=54)
pyautogui.mouseUp()
time.sleep(2)
# 鼠标定位到属性,进行左击
pyautogui.mouseDown(button="left", x=86, y=356)
pyautogui.mouseUp()
三:键盘操作:
1:write函数的使用
- 中文不支持,需要配合pyperclip一起使用。
- interval 关键字进行延时操作。
案例:手动打开记事本,定位到记事本,分别写入“hahaha”和“哈哈哈”。
import pyautogui
import pyperclip
# 移动到位置进行点击
pyautogui.moveTo(520, 520, 1)
pyautogui.click()
# 书写中文
pyautogui.write("hahaha\n\n", interval=1)
# 复制中文,然后粘贴
pyperclip.copy('哈哈哈')
pyautogui.hotkey('ctrl', 'v')
2:press函数,keyDown和keyUp函数的使用:
案例: 使用pass函数,和keydown,keyup,write函数分别完成一次,敲击回车
import pyautogui
import time
pyautogui.moveTo(520, 520, 1)
pyautogui.click()
# 1: 使用press敲击3次回车
pyautogui.press('enter', presses=3)
pyautogui.write("hahaha\n")
time.sleep(1)
# 2:使用keydown 和keyup敲击三次回车
pyautogui.keyDown("enter")
pyautogui.keyUp('enter')
pyautogui.keyDown("enter")
pyautogui.keyUp('enter')
pyautogui.keyDown("enter")
pyautogui.keyUp('enter')
pyautogui.write("hahaha\n")
time.sleep(1)
# 3: 使用write敲击三次回车
pyautogui.write(['enter', 'enter', 'enter'])
pyautogui.write("hahaha\n")
3:hotkey函数的使用:
案例使用热键:打开任务管理器:
import pyautogui
pyautogui.hotkey('ctrl', 'shift', 'esc')
四:信息框操作:
方法 | 作用 |
pyautogui.alert() | 简单提示消息框 |
pyautogui.confirm() | 多按钮消息框 |
pyautogui.prompt() | 明文输入消息框 |
pyautogui.password() | 密文输入消息框 |
案例一:
显示带有文本和单个“确定”按钮的简单消息框。返回单击的按钮的文本。
import pyautogui
el = pyautogui.alert(text='哈喽,我是任善文', title='打招呼', button='OK')
print(el)
案例二:显示带有“确定”和“取消”按钮的消息框。可以自定义按钮的数量和文本。返回单击的按钮的文本。(点击取消)
import pyautogui
el = pyautogui.confirm(text='哈喽,我是任善文', title='打招呼', buttons=['OK', 'Cancel'])
print(el)
案例三:显示带有文本输入以及“确定”和“取消”按钮的消息框。返回输入的文本,如果单击“取消”,则返回“无”。
import pyautogui
el = pyautogui.prompt(text='哈喽,我是任善文', title='打招呼', default='哈喽,我是XXX')
print(el)
案例四:显示带有文本输入以及“确定”和“取消”按钮的消息框。输入的字符显示为*。返回输入的文本,如果单击“取消”,则返回“无”。
import pyautogui
el = pyautogui.password(text='请输入密码', title='密码账号登录', default='12345678', mask='*')
print(el)
五:截图和定位操作:
1:screenshot函数的使用:
案例: 截取回收站图标,保存到文件中。
import pyautogui
img = pyautogui.screenshot('./images/screenshot.png', region=(1, 250, 90, 100))
print(img)
截图如图所示:
返回的是Image对象
2:locateOnScreen与locateCenterOnScreen函数的使用:
案例一:通过刚才截取的图片,找到回收站的位置,然后双击回收站打开。(全屏搜索)
import pyautogui
import time
# 1:截取回收站的图片
img = pyautogui.screenshot('./images/screenshot.png', region=(1, 250, 90, 100))
print(img) # 图片类型
# 2:全屏搜索图片(回收站)---获取的会是一个区域
rect = pyautogui.locateOnScreen('./images/screenshot.png')
print(type(rect)) # 盒子类型
print(rect[0], rect[1], rect[2], rect[3])
# 3:在区域中获取中心位置
point = pyautogui.center(rect)
print(type(point)) # 点类型
x, y = point
print(x, y)
time.sleep(1)
# 4: 双击中心位置
pyautogui.doubleClick(x, y)
案例二:使用locateCenterOnScreen,在区域内查询。
import pyautogui
import time
# 1:截取回收站的图片
img = pyautogui.screenshot('./images/screenshot.png', region=(1, 250, 90, 100))
print(img)
# 2:全屏搜索图片(回收站)---获取的会是一个区域
point = pyautogui.locateCenterOnScreen('./images/screenshot.png')
print(type(point))
x, y = point
time.sleep(1)
# 3: 双击中心位置
pyautogui.doubleClick(x, y)
3:提高定位精度
1: 安装OpenCv,由于文件太大需要指定默认等待下载时间(如果网速好可以不用指定)
pip --default-timeout=20000 install -U opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
表示下载成功。
2:可选的confidence关键字参数指定函数在屏幕上定位图像的精度。
import pyautogui
# 可以通过图片,在屏幕上定位图像所在的位置
# 找到返回的是一个4边距元组 (top, left, width, height),没有找到返回None
# 全屏幕搜素
rect = pyautogui.locateOnScreen('./images/x3.png', confidence=0.6)
print(rect)
4:加速定位
1: 指定搜索区域:
pyautogui.locateOnScreen('./images/computer.png', region=(0, 0, 400, 400))
2: 降低图片颜色的饱和度:
pyautogui.locateOnScreen('./images/computer.png', grayscale=True)
--------------------------------
喜欢的话
建议收藏关注!
相关推荐
- 最强聚类模型,层次聚类 !!_层次聚类的优缺点
-
哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...
- python决策树用于分类和回归问题实际应用案例
-
决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...
- Python教程(四十五):推荐系统-个性化推荐算法
-
今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...
- 简单学Python——NumPy库7——排序和去重
-
NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...
- PyTorch实战:TorchVision目标检测模型微调完
-
PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...
- C4.5算法解释_简述c4.5算法的基本思想
-
C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...
- Python中的数据聚类及可视化分析实践
-
探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...
- 用Python来统计大乐透号码的概率分布
-
用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...
- python:支持向量机监督学习算法用于二分类和多分类问题示例
-
监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...
- 25个例子学会Pandas Groupby 操作
-
groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...
- 数据挖掘流程_数据挖掘流程主要有哪些步骤
-
数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...
- 使用Python寻找图像最常见的颜色_python 以图找图
-
如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...
- 财务预算分析全网最佳实践:从每月分析到每天分析
-
原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...
- 常用数据工具去重方法_数据去重公式
-
在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...
- Python教程(四十):PyTorch深度学习-动态计算图
-
今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...
- 一周热门
- 最近发表
- 标签列表
-
- ps图案在哪里 (33)
- super().__init__ (33)
- python 获取日期 (34)
- 0xa (36)
- super().__init__()详解 (33)
- python安装包在哪里找 (33)
- linux查看python版本信息 (35)
- python怎么改成中文 (35)
- php文件怎么在浏览器运行 (33)
- eval在python中的意思 (33)
- python安装opencv库 (35)
- python div (34)
- sticky css (33)
- python中random.randint()函数 (34)
- python去掉字符串中的指定字符 (33)
- python入门经典100题 (34)
- anaconda安装路径 (34)
- yield和return的区别 (33)
- 1到10的阶乘之和是多少 (35)
- python安装sklearn库 (33)
- dom和bom区别 (33)
- js 替换指定位置的字符 (33)
- python判断元素是否存在 (33)
- sorted key (33)
- shutil.copy() (33)