手机自动答题：用手机连电脑借助文字识别和浏览器操作实现
生产| AI技术大本营（ID：RGZNAI100）
如果涉及近年来手机上各个平台最常见的排水益处，那么它一定会回答获得奖项的一系列游戏。排名第一的英雄，数百万球员等人充满了我们的生活，也成为我们生活中一种常见的娱乐方式。
但是有时我认为手机可以自动回答。毕竟，互联网充满了许多问题的答案，寻找问题的速度显然为时已晚。答案当然是。今天，我们将使用您的手机连接计算机，以使计算机自动搜索答案，从而节省时间和精力。
该项目主要使用文本识别和浏览器操作。文本识别是一种使用计算机自动识别字符的技术，这是模式识别应用程序的重要领域。
在生产和生活中，人们必须处理大量文本，报告和文本。为了减轻人们的劳动并提高处理的效率，在1950年代开始讨论一般文本识别方法并开发光学特征标识符。一种带有磁性墨水和特殊字体的实用机器出现在1960年代。
在1960年代后期，出现了各种字体和手写文本识别机，其识别精度和机器性能基本上可以满足要求。如果手写数字识别机和用于排序字母的印刷英语数字标识机。在1970年代，文本识别的基本理论和高性能文本识别机的发展集中在汉字识别的研究上。
基于一些基础，让我们首先思考以实现对该项目的整体思考：
将有以下问题要执行此项目：
我们想将手机连接到计算机，但是如何让计算机自动控制手机？
文字显示在手机上，但是如何让计算机理解手机上的文字？
计算机知道问题后，如何使用Internet搜索答案？
为了回答上述问题，我们可能考虑了下一个想法：
制作计算机可以控制手机，通常使用USB将手机连接到计算机。然后使用ADB调节手机，包括触摸，滑动，屏幕截图和其他功能。
为了让计算机理解文本，它必须是手机屏幕的屏幕截图，然后在屏幕截图中标识文本。
让计算机控制浏览器搜索问题，然后使用Python库来实现
在理解总体思想之后，我们的实验开始了。
实验前的准备
首先，我们使用的Python版本是3.6.5中使用的库，Python中的OS模块包含通用操作系统功能。
如果您希望您的程序与该平台无关，则该模块特别重要。枕头库中的图像模块是python pil图像处理中的常见模块。图像的基本操作的功能基本上包含在此模块中； Pytesseract模块是文本识别模块。 WebBrowser是浏览器的操作；时间库已意识到等待下一个问题之间的间隔。
自动获取移动文本1。使用ADB控制您的手机：
ADB是用于Android手机的常见调节插头。我们需要将手机数据电缆连接到计算机，然后使用ADB使用ADB来实现手机的屏幕截图并将其保存在指定的路径上。 ADB控制说明如下：
示出屏幕，图片命名为屏幕.png：
os.system("adb shell /system/bin/screencap -p /sdcard/screen.png") #截取屏幕，图片命名为screen.png将屏幕截图保存到计算机，路径为：c：/users/jia/desktop
os.system("adb pull /sdcard/screen.png C:/Users/jia/Desktop") #将截图保存到电脑在桌面仿真单击屏幕，xy是单击时的像素
os.system("adb shell input tap {}{}".format(x,y))#x ，y为点击处的像素点详细的代码如下：
#adb手机截图def get_image:os.system('adb shell screencap -p /sdcard/image.png')os.system('adb pull /sdcard/image.png .')xigua_size = (150,530,1800,800)2。图片和文字的标识：
为了方便和快速的文本识别部分，我们可以直接使用Pytesseract文本识别。主要功能是
pytesseract.image_to_strin。
PyTesser包含tesseract.exe和英语数据包（默认情况下仅识别英语），并且有一些示例，因此您可以在减压后使用它。
同时，该模块需要PIL库的支持。
如何识别低识别率的问题？
它可以增强图片的显示效果，或者将其转换为黑白，从而大大提高其识别率。
识别其他语言？
Tesseract是在命令行下运行的程序。参数如下：
tesseract imagename outbase [-l lang] [-psm N] [configfile...]ImageName是输入图像的名称。 Outbase是输出文本的名称。默认值为OutBase.txt。
详细的代码如下：
#读取图像get_imageimg=Image.open('image.png')img_que = img.crop(xigua_size)#识别截图文字question=pytesseract.image_to_string(img_que,lang='chi_sim')获得文本后，对文本进行一些处理以删除不必要的信息。
question=question.replace(' ','').replace('\n','')que = question[question.find('.')+1: question.find('?')]实施自动搜索问题1。浏览器操作：
根据标识，我们通过WebBrowser打开浏览器，并操作浏览器搜索答案。
所使用的主要方法如下：
webbrowser.open(url[, new=0[, autoraise=1]])此方法是在默认浏览器中显示URL。如果新= 0，则URL将在同一浏览器窗口下打开。如果新= 1，它将打开一个新窗口。如果新= 2，请打开一个新的，它将打开一个新的。选项卡，如果autoraise = true，则窗口将自动增长。
webbrowser.open_new(url)打开默认浏览器中的新窗口以显示URL，否则，在唯一的浏览器窗口中打开URL。
webbrowser.open_new_tab(url)在默认浏览器中打开一个新选项卡以显示URL，否则相同，
webbrowser.get([name])根据名称返回浏览器对象，如果名称为空，请返回默认浏览器
webbrowser.register(name, construtor[, instance])注册一个名为名称的浏览器。如果已注册此浏览器类型，则可以使用GET方法获取它。
详细的代码如下：
#引擎搜索url = "https://www.baidu.com/s?wd=" +quewebbrowser.open(url)get_imageimg=Image.open('image.png')img_que = img.crop(xigua_size)question1= pytesseract.image_to_string(img_que,)question1=question1.replace(' ','').replace('\n','')que = question1[question.find('.')+1: question.find('?')]while True:while(question1==question):get_imageimg = Image.open('image.png')img_que = img.crop(xigua_size)question1 = pytesseract.image_to_string(img_que,)question1 = question1.replace(' ', '').replace('\n', '')que = question1[question.find('.') + 1: question.find('?')]get_imageimg = Image.open('image.png')img_que = img.crop(xigua_size)# 识别截图文字question = pytesseract.image_to_string(img_que,)question = question.replace(' ', '').replace('\n', '')que = question[question.find('.') + 1: question.find('?')]continuewhile(question1!=question):get_imageimg = Image.open('image.png')img_que = img.crop(xigua_size)# 识别截图文字question = pytesseract.image_to_string(img_que,)question1 = pytesseract.image_to_string(img_que,)question1 = question1.replace(' ', '').replace('\n', '')que = question1[question.find('.') + 1: question.find('?')]question = question.replace(' ', '').replace('\n', '')que = question[question.find('.') + 1: question.find('?')]# 引擎搜索url = "https://www.baidu.com/s?wd=" + quewebbrowser.open(url)continue在这一点上，我们的整体计划已经完成。我们计划操作的以下结果：
尝试此方法参加“数百万个答案”游戏，也许是下一个百万的获胜者。
作者简介：
CSDN博客专家Li Qiujian，CSDN专家的作者。在中国采矿与技术大学，硕士学位开发了一项Taptap Android武术游戏，VIP视频分析，面向文本的转换工具，写作机器人和其他项目，发表了几篇论文，许多高级比赛等等，因此在。
新奖牌，新奖品，交通高昂以及更多的好处正在等待您获得奖项〜
任360Financial的新首席科学家：不要指望AI实验室将成为智泰
从了解微服务，从捕捉野猪开始
修AI图像智能修复旧照片，效果很棒！ |附属代码
7在调查了10,975个GO语言开发人员之后，我们有了这些发现！
告建筑师的前身告诉您：如何轻松编写代码，而其他人则不痛苦。
phper