python引流脚本开发，抖⾳⾃动关注粉丝引流脚本，最新测试每天可加110⼈左右，pyth。。。
#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():
高中常见的三角函数公式# 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():
oracle 行锁# 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):
pixel((i,j))[:3] == (179, 38, 69):#如果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 = p((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)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
strmin_val = str(min_val)
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((pixel((min_loc[0]+23,min_loc[1]+17)))[0])
if (abs(float(as_num(float(str(max_val))))) >= 0.9) and r > 180:#如果到符合位置的颜⾊点:
print ('到符合的图⽚')
return True
else:
print('没有到符合的图⽚')
return False
if __name__ == '__main__':#主函数开头
i=0
n=0
sj = random.uniform(1,5)
buff是什么意思中文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((pixel((xy[0],xy[1])))[0])
formview与gridview区别if (r > 180):
print('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)
strlder翻译中文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。
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)
strmin_val = str(min_val)
#初始化位置参数
temp_loc = min_loc
other_loc = min_loc
抖音python入门教程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
if loc:
#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
# 查设定的图⽚是否包含在另⼀张图⽚⾥
def findImg1(target1,template2):#传⼊要查的图⽚地址和名称，1为⼤图，2为⼩图，从⼤图⾥查⼩图。#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
#寻矩阵(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
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论