Python制作安卓游戏外挂

最近在玩一款背单词的手机游戏－单词英雄，是一个将背单词和卡牌游戏相结合的游戏，通过选择正确的单词意思进行有效攻击，边玩游戏就把单词给背了。

　　游戏的界面是这样的：

Paste_Image.png

　　通过选择单词的意思进行攻击，选对了就正常攻击，选错了就象征性的攻击一下。玩了一段时间之后琢磨可以做成自动的，通过PIL识别图片里的单词和选项，然后翻译英文成中文意思，根据中文模糊匹配选择对应的选项。
　　查找了N多资料以后开始动手，程序用到以下这些东西：
PIL　　　　　　　Python Imaging Library 大名鼎鼎的图片处理模块
pytesser　　　　 Python下用来驱动tesseract-ocr来进行识别的模块
Tesseract-OCR 　图像识别引擎，用来把图像识别成文字，可以识别英文和中文，以及其它语言
autopy　　　　　Python下用来模拟操作鼠标和键盘的模块。

安装步骤(win7环境)：
　　(1)安装PIL，下载地址：http://www.pythonware.com/products/pil/，安装PythonImaging Library 1.1.7 for Python 2.7。
　　(2)安装pytesser，下载地址：http://code.google.com/p/pytesser/,下载解压后直接放在
C:\Python27\Lib\site-packages下，在文件夹下建立pytesser.pth文件，内容为C:\Python27\Lib\site-packages\pytesser_v0.0.1
　　(3)安装Tesseract OCR engine，下载：https://github.com/tesseract-ocr/tesseract/wiki/Downloads，下载Windows installer of tesseract-ocr 3.02.02 (including English language data)的安装文件，进行安装。
　　(4)安装语言包，在https://github.com/tesseract-ocr/tessdata下载chi_sim.traineddata简体中文语言包，放到安装的Tesseract OCR目标下的tessdata文件夹内，用来识别简体中文。
　　(5)修改C:\Python27\Lib\site-packages\pytesser_v0.0.1下的pytesser.py的函数，将原来的image_to_string函数增加语音选择参数language，language='chi_sim'就可以用来识别中文，默认为eng英文。
改好后的pytesser.py：

"""OCR in Python using the Tesseract engine from Googlehttp://code.google.com/p/pytesser/by Michael J.T. O'KellyV 0.0.1, 3/10/07"""import Imageimport subprocessimport utilimport errorstesseract_exe_name = 'tesseract' # Name of executable to be called at command linescratch_image_name = "temp.bmp" # This file must be .bmp or other Tesseract-compatible formatscratch_text_name_root = "temp" # Leave out the .txt extensioncleanup_scratch_flag = True  # Temporary files cleaned up after OCR operationdef 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 textdef 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 textif __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)安装autopy，下载地址：https://pypi.python.org/pypi/autopy，下载autopy-0.51.win32-py2.7.exe进行安装，用来模拟鼠标操作。

说下程序的思路：
　1. 首先是通过模拟器在WINDOWS下执行安卓的程序，然后用PicPick进行截图，将战斗画面中需要用到的区域进行测量，记录下具体在屏幕上的位置区域，用图中1来判断战斗是否开始（保存下来用作比对），用2，3，4，5，6的区域抓取识别成文字。

1485005-75900c16b01ca1f3.png

计算图片指纹的程序：

    def get_hash(self, img):        #计算图片的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))

图片识别成字符：

    #识别出对应位置图像成字符，把字符交给chose处理    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()        #判断当前单词和上次识别单词相同，就不继续识别        if str_up <> self.lastWord:            #如果题目单词是英文，选项按中文进行识别            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))            #如果题目单词是中文，选项按英文进行识别            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. 对于1位置的图片提前截一个保存下来，然后通过计算当前画面和保存下来的图片的距离，判断如果小于40的就表示已经到了选择界面，然后识别2，3，4，5，6成字符，判断如果2位置识别成英文字符的，就用2解析出来的英文在字典中获取中文意思，然后再通过2的中文意思和3，4，5，6文字进行匹配，匹配上汉字最多的就做选择，如果匹配不上默认返回最后一个。之前本来考虑是用Fuzzywuzzy来进行模糊匹配算相似度的，不过后来测试了下对于中文匹配的效果不好，就改成按汉字单个进行匹配计算相似度。
匹配文字进行选择：

    #根据传入的题目和选项进行匹配选择    def chose(self, g, chs_list):        j, max_score = -1, 0        same_list = None        #替换掉题目里的特殊字符        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)        #判断2个字符串中相同字符，相同字符最多的为最佳答案        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        #如果没有匹配上默认选最后一个        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.最后通过mouseMove调用autopy操作鼠标点击对应位置进行选择。
程序运行的录像：
http://v.youku.com/v_show/id_XMTYxNTAzMDUwNA==.html
　　程序完成后使用正常，因为图片识别准确率和字典的问题，正确率约为70%左右，效果还是比较满意。程序总体来说比较简单，做出来也就是纯粹娱乐一下，串联使用了图片识别、中文模糊匹配、鼠标模拟操作，算是个简单的小外挂吧，源程序和用到的文件如下：
http://git.oschina.net/highroom/My-Project/tree/master/Word%20Hero